我正在使用一本大字典,由于某种原因,我还需要处理该字典中的小随机样本。我怎样才能得到这个小样本(例如长度为2)?
这是一个玩具模型:
dy={'a':1, 'b':2, 'c':3, 'd':4, 'e':5}
我需要在 dy 上执行一些涉及所有条目的任务。让我们说,为了简化,我需要将所有值加在一起:
s=0
for key in dy.key:
s=s+dy[key]
现在,我还需要对 dy 的随机样本执行相同的任务;为此,我需要 dy 密钥的随机样本。我能想到的简单解决方案是
sam=list(dy.keys())[:1]
这样我就有了字典中两个键的列表,它们在某种程度上是随机的。因此,回到可能的任务,我需要在代码中进行的唯一更改是:
s=0
for key in sam:
s=s+dy[key]
关键是我不完全理解 dy.keys 是如何构建的,然后我无法预见任何未来的问题
def sample_from_dict(d, sample=10):
keys = random.sample(list(d), sample)
values = [d[k] for k in keys]
return dict(zip(keys, values))
举个例子:
dy = {'a':1, 'b':2, 'c':3, 'd':4, 'e':5}
那么所有值的总和更简单地表示为:
s = sum(dy.values())
然后,如果不是内存限制,您可以使用以下方式进行采样:
import random
values = list(dy.values())
s = sum(random.sample(values, 2))
或者,由于
random.sample
可以接受类似set
的物体,那么:
from operator import itemgetter
import random
s = sum(itemgetter(*random.sample(dy.keys(), 2))(dy))
或者只是使用:
s = sum(dy[k] for k in random.sample(dy.keys(), 2))
另一种方法是使用
heapq
,例如:
import heapq
import random
s = sum(heapq.nlargest(2, dy.values(), key=lambda L: random.random()))
用 numphy 中的一些随机样本替换
range(10)
{v:rows[v] for v in [list(rows.keys())[k] for k in range(10)]}
这应该比创建新字典并检查键是否是示例的一部分更快:
import random
sample_n = 1000
output_dict = dict(random.sample(input_dict.items(), sample_n))
import random
origin_dict = {'a':1, 'b':2, 'c':3, 'd':4, 'e':5}
sample_rate = 0.3
random_keys = random.sample(list(origin_dict.keys()), int(sample_rate * len(origin_dict)))
random_values = [origin_dict[k] for k in random_keys]
sample_dict = dict(zip(random_keys, random_values))
输出:
{'d': 4, 'c': 3}
类似于 @J-Mourad 的好答案,但使用字典理解:
def sample_from_dict(d, n=10):
keys = random.sample(list(d), n)
return {k: d[k] for k in keys}