Question

我有一个包含名称和百分比的数组。例： [["JAMES", 3.318], ["JOHN", 3.271], ["ROBERT", 3.143]]。现在我有大约一千个这些名字，我正在试图弄清楚如何根据名称的百分比随机选择一个名字（比如James如何为3.318％，John为3.271％），所以这个名字会有被选中的百分比（罗伯特将有3.143％被选中）。帮助将不胜感激。

Answer 1

您可以使用max_by :(文档包含类似示例）

array.max_by { |_, weight| rand ** 1.fdiv(weight) }

这假设您的权重是实际百分比，即3.1％必须表示为0.031。或者，如果您不想调整权重：

array.max_by { |_, weight| rand ** 100.fdiv(weight) }

我在这里使用fdiv来说明可能的整数值。如果你的权重总是浮动，你也可以使用/。

Answer 2

尽管我喜欢@Stefan回答的不仅仅是我的回答，但我会提供一个可能的解决方案：我会沿100.0分配所有百分比，以便它们从0.0开始并结束到100.0。想象一下，我有一个具有以下百分比的数组：

a = [10.5, 20.5, 17.8, 51.2]

其中

a.sum = 100.0

我们可以编写以下内容以沿100.0分发它们：

sum = 0.0
b = a.map { |el| sum += el }

，结果将是

b = [10.5, 31.0, 48.8, 100.0]

现在我可以生成0.0到100.0之间的随机数：

r = rand(0.0..100.0) # or r = rand * 100.0

想象r是45.32。

我选择b的第一个元素是＆gt; = r`

idx = b.index { |el| el >= r }

在我们的案例中会返回2。

现在您可以选择a[idx]。

但我也会和@Stefan一起回答：）

Answer 3

我假设您将绘制多个随机值，在这种情况下效率很重要。此外，我假设所有名称都是唯一的，并且所有百分比都是正数（即已删除0.0百分比的对。）

您将获得相当于（离散）概率密度函数（PDF）的数量。第一步是将其转换为累积密度函数（CDF）。

假设我们得到以下数组（其百分比总和为100）。

arr = [["LOIS", 28.16], ["JAMES", 22.11], ["JOHN", 32.71], ["ROBERT", 17.02]]

首先，将名称与百分比分开。

names, probs = arr.transpose
  #=> [["LOIS", "JAMES", "JOHN", "ROBERT"],
  #     [28.16, 22.11, 32.71, 17.02]]

接下来计算CDF。

cdf = probs.drop(1).
            each_with_object([0.01 * probs.first]) { |pdf, cdf|
              cdf << 0.01 * pdf + cdf.last }
  #=> [0.2816, 0.5027, 0.8298, 1.0]

我们的想法是，我们将在0到1 r之间生成一个（伪）随机数，并找到c的CDF的第一个值r <= c。¹为了有效地完成这项工作，我们将对CDF进行智能搜索。这是可能的，因为CDF是一种增加的功能。

我将使用Array#bsearch_index进行二分查找。此方法与Array#bseach（其doc是相关的）基本相同，除了返回cdf的索引而不是随机选择cdf的元素。很快就会明白我们为什么要索引。

r = rand
  #=> 0.6257547400776025
idx = cdf.bsearch_index { |c| r <= c }
  #=> 2

请注意，我们无法编写cdf.bsearch_index { |c| rand <= c }，因为每次评估块时都会执行rand。

因此，随机选择的名称是²

names[idx]
  #=> "JOHN"

现在让我们把所有这些放在一起。

def setup(arr)
  @names, probs = arr.transpose
  @cdf = probs.drop(1).
    each_with_object([0.01*probs.first]) { |pdf, cdf| cdf << 0.01 * pdf + cdf.last }
end

def random_name
  r = rand
  @names[@cdf.bsearch_index { |c| r <= c }]
end

让我们试一试。执行setup以计算实例变量@names和@cdf。

setup(arr)
@names
  #=> ["LOIS", "JAMES", "JOHN", "ROBERT"]
@cdf
  #=> [0.2816, 0.5027, 0.8298, 1.0]

然后每次需要随机名称时调用random_name。

5.times.map { random_name }
  #=> ["JOHN", "LOIS", "JAMES", "LOIS", "JAMES"]

^{1。这就是在仿真模型中生成大多数离散随机变量的方法。}

^{2。如果我使用bsearch而不是bsearch_index，我将不得不提前创建一个带有cdf=>name键值对的哈希，以便为给定的随机选择的CDF值检索名称。 / SUP>}

Answer 4

这是我解决问题的方法：

array = [["name1", 33],["name2", 20],["name3",10],["name4",7],["name5", 30]]

def random_name(array)
  random_number = rand(0.000..100.000) 
  sum = 0

array.each do |x|
  if random_number.between?(sum, sum + x[1])
    return x[0]
  else
    sum += x[1]
  end
end
end

puts random_name(array)

按百分比选择数组中的项目

4 个答案: