Python实现基于CarType的带偏置随机方法选择方案咨询

原代码存在的问题 #

• 车型判断逻辑错误：if (CarTypes.A.value or CarTypes.B.value)始终为True（因为CarTypes.B.value是1，非零值在布尔判断中为真），无法区分不同车型分支
• 随机选择无加权：用randrange只能实现等概率选择，满足不了DD（或DD/EE/FF）概率更低/更高的需求
• 变量错误：第二个分支里生成的是nEvent，但判断时用的是N，逻辑不连贯；Number =+ 1是赋值操作而非累加，正确写法是Number += 1
• 未明确当前循环的车型：原代码没有定义当前步骤对应的CarType变量，需要补充车型选择逻辑（比如每次循环随机选一个车型，或传入指定车型）

修改后的完整代码 #

import random
from enum import Enum

Steps = 11

class CarTypes(Enum):
    A = 0
    B = 1
    C = 2
    D = 3   

class Methods(Enum):
    AA = 0
    BB = 1
    CC = 2
    DD = 3
    EE = 4
    FF = 5
    GG = 6        

for iStep in range(Steps):
    Number = 0    
    # 模拟当前步骤的车型（可根据实际需求替换为指定车型）
    current_car_type = random.choice(list(CarTypes))
    
    if current_car_type in (CarTypes.A, CarTypes.B):
        # AA/BB/CC概率相同，DD概率更低，权重比例3:3:3:1
        selected_method = random.choices(
            [Methods.AA, Methods.BB, Methods.CC, Methods.DD],
            weights=[3, 3, 3, 1],
            k=1
        )[0]
        Number += 1
        
    elif current_car_type in (CarTypes.C, CarTypes.D):
        # AA/BB/CC概率相同，DD/EE/FF概率更高，权重比例1:1:1:3:3:3
        selected_method = random.choices(
            [Methods.AA, Methods.BB, Methods.CC, Methods.DD, Methods.EE, Methods.FF],
            weights=[1, 1, 1, 3, 3, 3],
            k=1
        )[0]
        Number += 1
    
    # 可选：打印当前步骤结果，验证逻辑
    print(f"步骤{iStep+1}: 车型{current_car_type.name}，选中方法{selected_method.name}，计数{Number}")

关键修改说明 #

1. 车型判断优化：直接用枚举成员判断current_car_type in (CarTypes.A, CarTypes.B)，逻辑清晰准确
2. 加权随机选择：使用random.choices()实现加权概率，通过weights参数控制选中概率：
   • 车型A/B时，AA/BB/CC权重设为3，DD设为1，DD选中概率是AA的1/3
   • 车型C/D时，AA/BB/CC权重设为1，DD/EE/FF设为3，后三者选中概率是前三者的3倍
   • 权重数值可根据实际需求调整，只要比例符合要求即可（比如也可用[2,2,2,1]或[4,4,4,1]）
3. 变量逻辑修正：统一变量名，修正累加操作Number += 1，补充当前车型生成逻辑（可替换为固定车型或外部传入的车型）

内容的提问来源于stack exchange，提问作者mus