Python - 根據另一個列表的唯一元素從一個列表中隨機采樣一個元素

Question

我有 2 個包含user_ids和item_ids的列表。 我想為每個用戶隨機抽取一個項目。

對於前。

user_ids = [1,2,3 ,1, 2]
item ids = [8,9,10,5,8]

我想得到 -

val_user_ids  = [1,2,3]
val_item_ids = [5,9,10]

我知道一些低效的方法，比如循環等。有沒有有效的方法呢？ 或者是否存在相同的 python function？

准確地說，我想為每個用戶創建一個包含 1 個項目交互的驗證集（來自訓練集）。

Answer 1

您可以在字典中收集數據，其中 user_id 作為鍵，列表中的 item_ids 作為值

import collections

user_ids = [1, 2, 3, 1, 2]
item_ids = [8, 9, 10, 5, 8]

data = collections.defaultdict(list)
for key, value in zip(user_ids, item_ids):
    data[key].append(value)

結果是defaultdict(<class 'list'>, {1: [8, 5], 2: [9, 8], 3: [10]}) 。

現在我們可以遍歷字典並從列表中獲取一個隨機項。

import random
result = [(key, random.choice(value)) for key, value in data.items()]

結果是[(1, 8), (2, 9), (3, 10)] （或[(1, 8), (2, 8), (3, 10)]或隨機化將給我們的任何內容）。

---

有關defaultdict的更多信息。 如果它不存在，這種字典將創建一個默認項。 創建defaultdict時，默認值作為參數給出。 使用標准dict ，我們必須自己處理條目的創建。

這是手動完成的方式：

user_ids = [1, 2, 3, 1, 2]
item_ids = [8, 9, 10, 5, 8]

data = dict()
for key, value in zip(user_ids, item_ids):
    if key not in data:
        data[key] = []
    data[key].append(value)

Answer 2

你能用 numpy 嗎？ 一個示例代碼是：

import numpy as np 

idx = list(range(your_list_size))

# make random draw based your validation size 
val_size = 0.2
val_n = int(your_list_size*val_size)

# draw sample from user and item list, replace=False means no replacement
chosen_idx = np.random.choice(idx, size=val_n, replace=False)

# get actual values by chosen idx
sample_users = np.array(user_ids)[chosen_idx]
sample_items = np.array(item_ids)[chosen_idx]

甚至簡單地執行以下操作：

sample_users = np.random.choice(user_ids, size=val_n, replace=False)
sample_items = np.random.choice(items_ids, size=val_n, replace=False)

Answer 3

假設需要對物品進行更換抽樣，以下代碼將起作用：

import random

user_ids = [1,2,3,1,2]
item_ids = [8,9,10,5,8]
val_user_ids = sorted(set(user_ids))
val_item_ids = [random.choice(item_ids) for item in val_user_ids]

set 內置從一個可迭代的列表中返回一個集合（唯一項），然后 sorted 內置 function 返回一個排序列表（如果不需要排序，只需使用list(set(user_ids)) ）。 然后列表推導式創建（在執行速度方面通常比 for 循環更有效）一個新列表，其中包含從 item_ids 采樣的項目，並進行替換。 一個警告：user_id 列表需要包含不可變項才能使此代碼正常工作（數字很好，字符串、frozensets 和元組也可以，只要元組不包含列表等可變結構）。

如果您需要在不更換的情況下進行采樣，您可以使用：

import random

user_ids = [1,2,3 ,1, 2]
item_ids = [8,9,10,5,8]
val_user_ids = sorted(set(user_ids))
random.shuffle(item_ids)
val_item_ids = [item_ids.pop(i) for i in range(len(val_user_ids))]

關於應用集的相同警告（不能包含任何可變的內容）。