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
代码语言：javascript复制#!/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
