如何用Python/Numpy按指定共现概率抽取100组索引元组？

嘿，这个问题很实用！不过先提个小细节：你给出的四个共现概率加起来是0.8+0.7+0.1+0.1=1.7，这不符合概率分布的基本要求（所有可能结果的概率总和必须为1）。所以我们需要先把这些概率归一化，保留你指定的相对概率比例，这样才能正确抽样。

下面是具体的实现步骤和代码：

步骤说明 #

1. 明确需要抽样的共现元组（这里按无序对处理，也就是(1,2)和(2,1)视为同一个共现结果；如果需要有序对可以调整）
2. 对原始概率进行归一化处理，确保总和为1
3. 使用Numpy的random.choice工具按归一化后的概率抽样100次

完整代码 #

import numpy as np

# 1. 定义目标共现元组和原始概率
cooccurrence_pairs = [(1, 2), (3, 4), (1, 3), (2, 4)]
raw_probabilities = [0.8, 0.7, 0.1, 0.1]

# 2. 归一化概率，确保总和为1
normalized_probs = np.array(raw_probabilities) / np.sum(raw_probabilities)
print(f"归一化后的概率：{normalized_probs.round(4)}")  # 保留四位小数方便查看

# 3. 抽样100组
# 先对元组的索引抽样，再映射回对应的元组
sample_indices = np.random.choice(len(cooccurrence_pairs), size=100, p=normalized_probs)
sampled_pairs = [cooccurrence_pairs[idx] for idx in sample_indices]

# 可选：查看前10个抽样结果
print("\n前10个抽样结果：")
for pair in sampled_pairs[:10]:
    print(pair)

额外说明 #

• 如果需要有序共现对（比如(1,2)和(2,1)是两个不同的结果），只需要修改cooccurrence_pairs列表，比如添加(2,1)、(4,3)等，并调整对应的原始概率即可（比如把(1,2)的0.8拆成(1,2)和(2,1)各0.4）。
• Numpy的random.choice比Python标准库的random.choices更适合大样本量的抽样，效率更高。

内容的提问来源于stack exchange，提问作者Shew