Python列表重新排序，还记得原始顺序吗？

Question

我正在从事贝叶斯概率项目，在该项目中，我需要根据新信息调整概率。 我还没有找到一种有效的方法来做到这一点。 我想做的是从针对不同情况的等概率列表开始。 例如 有6个人：E，T，M，Q，L和Z，其初始被选择的概率表示为

myList=[.1667, .1667, .1667, .1667, .1667, .1667]

新的信息表面表明，按字母顺序排列的前三分之一的人有70％的总体被选中的机会。 将创建一个新列表，并按名称（E，L，M，Q，T，Z）的字母顺序进行排序，其中仅包含新信息。 （.7 / .333 = 2.33，.3 / .667 = .45）

    newList=[2.33, 2.33, .45, .45, .45, .45)

我需要一种将newList排序为与myList相同的方法，以便可以在列表理解中乘以正确的值，并达到调整概率。 拥有一个一致的顺序很重要，因为该过程将重复多次，每次重复使用不同的标准（元音，最接近P等），并包含大约1000个项目。 每个newList可以改为一个newDictionary，然后一旦创建了调整条件，就可以将它们排序为一个列表，但是转换多个字典似乎效率很低。 是吗？ 有一种简单的方法可以做到这一点，而我完全不知道该怎么办？

谢谢！

Answer 1

对于它的价值，对于Python中的方法速度而言，您可以做的最好的事情是使用numpy而不是标准类型（因此，您将使用预编译的C代码执行算术运算）。 这将导致速度的急剧提高。 无论如何，Numpy数组具有固定的顺序，并且语法更直接适用于数学运算。 您只需要考虑如何将这些操作表示为矩阵操作。 例如您的示例：

myList = np.ones(6) / 6.
newInfo = np.array( [.7/2, .7/2, .3/4, .3/4, .3/4, .3/4] )
result = myList * newInfo

由于两个向量都具有单位和，因此无需进行归一化（我承认，我不确定您在示例中的操作是什么，所以如果我错过了一个微妙之处，请告诉我），但是如果您确实需要这样做，则不重要：

result /= np.sum(result)

Answer 2

尝试将您的信息存储为元组列表：

bayesList = [('E', 0.1667), ('M', 0.1667), ...]

您的清单理解力可能与

newBayes = [(person, prob * normalizeFactor) for person, prob in bayesList]

在设置列表理解之前已计算过normalizeFactor的位置