Python random.choices的cum_weights原理及高频元素疑问解析

核心原理 #

cum_weights的本质是累积权重序列，random.choices的选择逻辑非常直接：

1. 生成一个随机数 r，范围是 [0, cum_weights[-1])（即0到最后一个累积权重值之间）
2. 在cum_weights序列里，找到第一个大于等于r的元素对应的索引
3. 返回该索引对应的列表元素

⚠️ 关键要求：cum_weights必须是非递减序列（每个元素≥前一个元素），否则会出现完全不符合预期的选择结果。

你的示例问题分析 #

你给出的cum_w = [1,9,10,9,2,12,7]犯了两个核心错误：

1. 不是非递减序列：比如第4个元素9 < 前一个10，第5个2 < 前一个9，最后一个7 < 前一个12
2. 误解参数含义：你把cum_weights当成了单个元素的权重，而非累积值

按照random.choices的实际运行逻辑：

• 你的cum_w最后一个元素是7，所以随机数r的范围是0 ≤ r <7
• 当0 ≤ r <1：第一个≥r的是cum_w[0]=1，选中9999，概率约14%
• 当1 ≤ r <7：序列中第一个≥r的元素是cum_w[1]=9（后面的元素要么比9大但r到不了，要么比7小但位置在9之后，bisect查找会优先匹配前面的9），所以这一区间内全选中45，概率约86%
• 其他元素的cum_weights要么大于7（如10、12），r永远到不了；要么小于7但位置靠后，bisect时不会被匹配到，所以几乎不会被选中

这就是为什么45出现频率极高的原因。

正确用法 #

如果想给每个元素设置单独权重，直接用weights参数更直观；如果要用cum_weights，需先计算合法的累积权重（通常用itertools.accumulate生成）：

import random
import itertools

my_list = [9999, 45, 63, 19, 89, 5, 72]
# 假设你想给每个元素设置的单独权重
weights = [1, 8, 1, 0, 0, 10, 0]
# 生成合法的累积权重序列（非递减）
cum_weights = list(itertools.accumulate(weights))  # 结果：[1,9,10,10,10,20,20]

# 此时的选择逻辑完全符合预期
result = random.choices(my_list, cum_weights=cum_weights, k=7)
print(result)

这个例子中，各元素的选中概率对应权重占总权重的比例：

• 9999：1/20
• 45：8/20
• 63：1/20
• 5：10/20
• 19、89、72：权重为0，不会被选中

内容的提问来源于stack exchange，提问作者KrAsH3D