简单随机加权采样python

以下是一个简单的随机加权采样的Python代码示例：

import random

def weighted_random_sampling(weights, k):
    """
    :param weights: A list of non-negative weights.
    :param k: The number of samples to draw.
    :return: A list of indices indicating the sampled elements.
    """
    if k > len(weights):
        raise ValueError("k should be no greater than the length of weights.")
    cum_weights = [0] + list(accumulate(weights))
    total_weight = cum_weights[-1]
    indices = []
    for _ in range(k):
        rand = random.uniform(0, total_weight)
        for i, cum_weight in enumerate(cum_weights):
            if rand < cum_weight:
                indices.append(i - 1)
                total_weight -= weights[i - 1]
                cum_weights = [0] + list(accumulate(weights[:i - 1])) + [total_weight]
                weights = weights[:i - 1] + weights[i:]
                break
    return indices

该函数的输入参数为权重列表和需要采样的数量。输出为一个采样结果的索引列表。

该函数的实现基于累计权重的概念。首先，通过累加所有权重，创建一个新的列表cum_weights。然后，将列表中的每个权重除以总权重，从而获得一个累计权重列表。这个累计权重列表中的每个条目表示前面所有权重的总和。

对于每个采样，生成一个随机数rand，介于0和总权重之间。然后，遍历累计权重列表，找到第一个大于rand的条目（即对应的权重），并将其对应的索引添加到结果列表中。接下来，将该索引对应的权重从权重列表中删除，并更新cum_weights和total_weight。在下一次迭代中，只考虑剩余的权重。

关于加权随机采样，还需要注意以下几点：

- 如果权重中有负数，会引发ValueError异常。
- 如果需要采样的数量k大于权重列表的长度，会引发ValueError异常。
- 由于使用了随机数，因此每次运行该函数都可能得到不同的结果。