Python 按分类权重(区间)随机获取分类样本

授客

发布于 2020-11-24 14:32:02

9290

发布于 2020-11-24 14:32:02

文章被收录于专栏：授客的专栏

按分类权重(区间)随机获取分类样本

By:授客

开发环境

win 10

python 3.6.5

需求

活动抽奖，参与抽奖产品有iphone, 华为，小米，魅族，vivo，三星手机，要求为这些不同品牌的手机设置被抽奖的概率(基准概率，非绝对概率，即允许存在一定偏差)，iphone为0，华为0.35，小米为0.25，魅族0.1，vivo和三星为0.15

代码实现

#!/usr/bin/env python
# -*- coding:utf-8 -*-


__author__ = 'shouke'

import random


def get_sample_by_rate(sample_rate_list):

    if sum([item[1] for item in sample_rate_list]) != 1:
        raise ValueError("样本比例配置错误，样本占比之和必须为1!")

    random_normalized_num = random.random()  # random() -> x in the interval [0, 1).
    accumulated_probability = 0.0
    for sample, probabilitie in sample_rate_list:
        accumulated_probability += probabilitie
        if random_normalized_num < accumulated_probability:
            return sample

award_dict = {'iphone':0, '华为':0.35, '小米':0.25, '魅族':0.1, 'vivo':0.15, '三星':0.15}

# 初始化
output_dict = {} # 存放取样次数
for sample, rate in award_dict.items():
    output_dict[sample] = 0

award_list = sorted(award_dict.items(), key=lambda arg:arg[1], reverse=False)

n = 1000 # 取样总次数
for i in range(n):
    award = get_sample_by_rate(award_list)
    output_dict[award] += 1

percentage_dict = {key: output_dict[key]/n for key in output_dict} # 存放样本数占比

print(output_dict)
print(percentage_dict)

运行结果

注意

为啥可以用python的randowm函数来实现这个需求？那是因为python的random函数是平均分布函数，产生的随机数是等可能的。如下，可以把[0,1)区间看作一条线，生成的随机数可以看作是线条上一个个点，这样，就可以根据这个点所在位置，把这个点划分到某个区间（本例中划分了几个区间[0, 0.1)，[0.1，0.25)，[0.25，0.4)，[0.4， 0.65)，[0.65，1)），映射样本的概率范围

0 0.25 0.5 1

|--------|--------|----------------|

从运行结果来看，不难看出，这种计算方式存在一定的偏差，比较适合大数据

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2020-11-16 ，如有侵权请联系 cloudcommunity@tencent.com 删除

python