Question

我正在尝试将一个列表分成n个子列表，其中每个子列表的大小是随机的（至少有一个条目；假定P>I）。我使用了numpy.split函数，该函数可以正常运行，但不满足我的随机性条件。您可能会问随机性应遵循哪种分布。我认为，没关系。我检查了几条与我的帖子不同的帖子，因为它们试图以几乎相等大小的块进行拆分。如果重复，请告诉我。这是我的方法：

import numpy as np

P = 10
I = 5
mylist = range(1, P + 1)
[list(x) for x in np.split(np.array(mylist), I)]

当P无法被I整除时，这种方法会崩溃。此外，它创建大小相等的块，而不是概率大小的块。另一个限制：我不想使用软件包random，但是我对numpy很好。不要问我为什么；我希望对此有一个合乎逻辑的答复。

根据疯狂科学家提供的答案，这是我尝试的代码：

P = 10
I = 5

data = np.arange(P) + 1
indices = np.arange(1, P)
np.random.shuffle(indices)
indices = indices[:I - 1]
result = np.split(data, indices)
result

输出：

[array([1, 2]),
 array([3, 4, 5, 6]),
 array([], dtype=int32),
 array([4, 5, 6, 7, 8, 9]),
 array([10])]

Answer 1

可以通过从I-1中选择{1,2,...,P-1}个随机分裂点来重构问题，可以使用stars and bars查看。

因此，它可以实现如下：

import numpy as np

split_points = np.random.choice(P - 2, I - 1, replace=False) + 1
split_points.sort()
result = np.split(data, split_points)

Answer 2

np.split仍然是路要走。如果您传递整数序列，split将把它们视为切点。生成随机切割点很容易。您可以做类似的事情

P = 10
I = 5

data = np.arange(P) + 1
indices = np.random.randint(P, size=I - 1)

您想要I - 1切点来获取I块。索引需要排序，重复项需要删除。 np.unique为您做到。通过这种方式，您可能最终得到少于I个块：

result = np.split(data, indices)

如果您绝对需要I号，请选择而不重采样。例如，可以通过np.shuffle来实现：

indices = np.arange(1, P)
np.random.shuffle(indices)
indices = indices[:I - 1]
indices.sort()

将列表分成n个随机大小的块

2 个答案: