python按指定概率抽样_概率加权的随机抽样 (Weighted Random Sampling) – A-Res 蓄水池算法...

可以使用A-Res蓄水池算法来实现概率加权的随机抽样。该算法的基本思想是通过一个动态的蓄水池来实现随机抽样。具体实现步骤如下：

1. 对样本进行编号，并计算每个样本的权重。

2. 初始化一个大小为k的蓄水池，将前k个样本放入蓄水池中。

3. 对于第i个样本（i > k），以概率k/i将其放入蓄水池中，同时随机选择一个蓄水池中的样本将其替换。

4. 重复步骤3直到遍历完所有样本。

5. 最终蓄水池中的k个样本即为概率加权的随机抽样结果。

下面是一个Python实现示例：

import random

def weighted_random_sampling(data, k):
    n = len(data)
    weights = [data[i][1] for i in range(n)]
    samples = [data[i][0] for i in range(n)]
    reservoir = samples[:k]
    for i in range(k, n):
        p = k / (i + 1)
        if random.random() < p:
            j = random.randint(0, k - 1)
            reservoir[j] = samples[i]
    return reservoir

其中，data为样本列表，每个元素为一个二元组（样本，权重），k为抽样数量。函数返回抽样结果列表。