从列表中获取随机样品，同时保持项目的顺序？
我有一个sorting的列表，让我们说：（它不是真的只是数字，它是一个耗时的algorithmsorting的对象列表）
mylist = [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ,9 , 10 ] 有没有一些Python函数会给我N的项目，但会保持顺序？
例：
randomList = getRandom(mylist,4) # randomList = [ 3 , 6 ,7 , 9 ] randomList = getRandom(mylist,4) # randomList = [ 1 , 2 , 4 , 8 ]
等等…
以下代码将生成大小为4的随机样本。
rand_smpl = [ mylist[i] for i in sorted(random.sample(xrange(len(mylist)), 4)) ]
说明：
random.sample(xrange(len(mylist)), sample_size)
生成原始列表的索引的随机样本。
然后这个示例被sorting以保留原始列表中元素的sorting。
最后，列表理解从原始列表中抽取元素，给定抽样索引，并构build最终样本（实际元素）。
简单的代码O（N + K * log（K））方式
采取随机抽样而不更换指数，对指数进行分类，并从原始数据中提取。
indices = random.sample(range(len(myList)), K) [myList[i] for i in sorted(indices)]
或者更简洁：
[x[1] for x in sorted(random.sample(enumerate(myList),K))]
优化的O（N）时间，O（1） – 辅助空间的方式
您也可以使用math技巧，并myList迭代地通过myList ，以dynamic变化的概率(N-numbersPicked)/(total-numbersVisited)来挑选数字。 这种方法的优点是它是一个O(N)algorithm，因为它不涉及sorting！
from __future__ import division def orderedSampleWithoutReplacement(seq, k): if not 0<=k<=len(seq): raise ValueError('Required that 0 <= sample_size <= population_size') numbersPicked = 0 for i,number in enumerate(seq): prob = (k-numbersPicked)/(len(seq)-i) if random.random() < prob: yield number numbersPicked += 1
概念certificate和testing概率是正确的 ：
在5个小时的过程中用1万亿个伪随机样本进行模拟：
>>> Counter( tuple(orderedSampleWithoutReplacement([0,1,2,3], 2)) for _ in range(10**9) ) Counter({ (0, 3): 166680161, (1, 2): 166672608, (0, 2): 166669915, (2, 3): 166667390, (1, 3): 166660630, (0, 1): 166649296 })
概率与真实概率相差不到1.0001。 再次运行这个testing会导致不同的顺序，这意味着它不会偏向于一个顺序。 用[0,1,2,3,4], k=3和[0,1,2,3,4,5], k=4较less样本运行testing的结果相似。
编辑：不知道为什么人们投票了错误的评论或害怕upvote …不，这种方法没有任何错误。 =）
（这也是用户tegan在注释中的一个有用的注释：如果这是python2，那么像往常一样，如果你真的关心额外的空间，你将会想要使用xrange。）
编辑 ：certificate：考虑从大小为len(seq)的总体seq中挑选k个子集的均匀分布（没有replace），我们可以将任意点i处的分区视为“左”（0,1 ,. …，i-1）和“右”（i，i + 1，…，len（seq））。 鉴于我们从左侧已知子集中挑选了numbersPicked ，剩下的必须来自右侧未知子集上的相同均匀分布，尽pipe参数现在是不同的。 特别是， seq[i]包含一个select的元素的概率是(k-numbersPicked)/(len(seq)-i) #remainingToChoose/#remainingToChooseFrom或(k-numbersPicked)/(len(seq)-i) ，所以我们模拟并输出结果。 （这必须终止，因为如果#remainingToChoose == #remainingToChooseFrom，那么所有剩余的概率都是1）。这与碰巧是dynamic生成的概率树类似。 基本上，你可以通过对先前select进行调节来模拟一致的概率分布（当你增长概率树时，你select当前分支的概率，使得它与先前的叶子相同，即以先前的select为条件;这是可行的，因为这个概率是一致的N / k）。
编辑 ：Timothy Shields提到了Reservoir Sampling ，这是当len(seq)是未知的（例如使用一个生成器expression式）时这个方法的泛化。 具体来说，如果在原地完成，则被称为“algorithmR”的是O（N）和O（1）空间; 它涉及到第一个N元素，并慢慢地取代它们（也给出了一个暗示的归纳certificate）。 在维基百科页面上也可以find有用的分布式variables和各种各样的油藏采样。
编辑 ：这是另一种在语义上更明显的方式下面的代码。
from __future__ import division import random def orderedSampleWithoutReplacement(seq, sampleSize): totalElems = len(seq) if not 0<=sampleSize<=totalElems: raise ValueError('Required that 0 <= sample_size <= population_size') picksRemaining = sampleSize for elemsSeen,element in enumerate(seq): elemsRemaining = totalElems - elemsSeen prob = picksRemaining/elemsRemaining if random.random() < prob: yield element picksRemaining -= 1 from collections import Counter Counter( tuple(orderedSampleWithoutReplacement([0,1,2,3], 2)) for _ in range(10**5)
）
显然random.sample是在Python 2.3中引入的
所以对于那个版本，我们可以使用shuffle（例如4项）：
myRange = range(0,len(mylist)) shuffle(myRange) coupons = [ bestCoupons[i] for i in sorted(myRange[:4]) ]
也许你可以生成索引样本，然后从列表中收集项目。
randIndex = random.sample(range(len(mylist)), sample_size) randIndex.sort() rand = [mylist[i] for i in randIndex]
random.sample实现它。
>>> random.sample([1, 2, 3, 4, 5], 3) # Three samples without replacement [4, 1, 5]
