原文：
towardsdatascience.com/numpys-random-choice-in-go-d65bc2838191?source=collection_archive---------12-----------------------#2024-01-23
https://mlefarov.medium.com/?source=post_page---byline--d65bc2838191--------------------------------https://towardsdatascience.com/?source=post_page---byline--d65bc2838191-------------------------------- Max Lefarov
·发表于Towards Data Science ·阅读时间 5 分钟·2024 年 1 月 23 日
–
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/a8b5ef60ccf65bdd8b82b5bb8edf3698.png
由 ChatGPT 生成
最近我帮助实现了一些 Java 逻辑，这些逻辑本可以通过简单调用 Numpy 的random.choice来实现。这最终成了一个任务，让我有机会去深入了解那些你每天都在使用，但从未真正有时间完全理解其工作原理的东西。同时，我也有一段时间想开始学习 Go，那么为什么不一举两得，再次用 Go 实现random.choice呢？
random.choice允许我们根据指定的概率从提供的集合中采样 N 个元素。重要的是（对于激励这项工作的使用案例），它允许我们进行无重复的采样。也就是说，如果集合中的一个元素已经被采样，它将不会再次被采样。例如，如果我们有一个集合 [A, B, C]，其对应的概率为 [0.1, 0.7, 0.2]，并且我们想无重复地采样 3 个元素，那么大多数时候我们会得到 [B, C, A] 作为输出。如果我们进行有重复的采样，预期的输出将是 [B, B, B]。
首先，让我们定义 Go 函数的签名。我们希望它尽可能与 Numpy 的对应函数保持一致。
func ChoiceTany([]T,error){}关于函数签名，有几点需要注意：
我们使用了泛型类型 T。这允许我们对不同类型的数组调用该函数（只要它满足类型约束，而在我们这个例子中并没有类型约束）。这应该模仿 Python 中
random.choice的语义，也就是说，它不关心输入数组中元素的类型。我们还传递了一个指向随机数生成器（rng）对象的指针，供我们在抽样时使用。我从 Jax 中学到了这种定义随机函数的风格（与直接访问全局 rng 实例相比）。根据我的经验，这简化了测试和可重复性。
这个函数有两个返回值，一个是样本数组，另一个是
error类型。这是 Go 语言中处理“异常”执行流的方式（Go 没有断言或异常）。
现在我们需要弄清楚如何使用仅在[0, 1]之间均匀抽样的浮动随机数（由 rng 返回）从由probs参数定义的离散概率分布中抽取元素。幸运的是，有一种方法可以完美解决这个问题。
CDF 反演法
首先，CDF 代表累积分布函数。在离散情况下，它可以表示为一个数组，其中索引i处的元素等于所有输入概率在位置i及之前的累计和。让我们用一个简单的帮助函数来实现这个公式。
func CDF(probs[]float64)[]float64{cdf:=make([]float64,len(probs))cum:=0.0fori:=rangecdf{cum+=probs[i]cdf[i]=cum}returncdf}通过离散概率分布的 CDF 和随机数生成器，我们可以通过以下方式从输入集合中抽取元素：
从统一分布中随机抽取一个介于[0, 1]之间的浮动数值。
找到第一个 CDF 值大于等于随机浮动数的索引。
返回原集合中该索引位置的元素。
为了理解它为何有效，我们可以进行一个简单的视觉实验。我们可以把 CDF 数组中的值看作是放置在区间[0, 1]上每个箱子的右边界。每个箱子的宽度与输入的概率成正比。当生成介于[0, 1]之间的均匀随机浮动数时，我们可以把它看作是将球随机投掷到这个区间，并选择我们撞到的箱子。撞到箱子的概率正好与输入概率成正比（这正是我们需要的）。下面是我们最后一个例子——集合[A, B, C]及其相关概率[0.1, 0.7, 0.2]的视觉示范。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/9a22c4e1bb87c7c5af9188bff8d5a420.png
由作者在 Excalidraw 中创建
要获得箱子的索引，我们可以返回第一个右边界大于或等于抽样值的索引。同样，这里有一个简单的帮助函数来实现这个功能：
func FindIndexFromRight(val float64,cdf[]float64)int{fori,cumProb:=rangecdf{ifcumProb>=val{returni}}returnlen(cdf)-1}将所有内容整合在一起
这样，我们就具备了实现带有重复的random.choice所需的一切。无重复抽样则需要多一个技巧。为了确保我们不会抽取已经被抽取过的元素，可以在抽样后将其概率置为 0。然而，这样会使我们的离散概率分布失效，因为其总和将不再等于 1。为了修正这一点，我们需要通过将概率除以新的总和来重新归一化概率。作为额外的优化，我们可以直接对 CDF 进行重新归一化，而不需要先重新归一化输入概率再计算 CDF。将所有内容整合在一起：
func ChoiceTany([]T,error){if!replace&&(size>len(arr)){returnnil,errors.New("cannot sample more than array size without replacements")}samples:=make([]T,size)probsCopy:=make([]float64,len(probs))copy(probsCopy,probs)fori:=0;i<size;i++{cdf:=CDF(probsCopy)if!replace{total:=cdf[len(cdf)-1]forcdfInd:=rangecdf{cdf[cdfInd]/=total}}randFloat:=rng.Float64()sampledIndex:=FindIndexFromRight(randFloat,cdf)samples[i]=arr[sampledIndex]if!replace{probsCopy[sampledIndex]=0.0}}returnsamples,nil}再次提醒几个需要注意的事项：
如果我们进行不放回抽样，就无法抽取超过输入集合初始大小的样本。
Go 传递“切片”（没有定义大小的数组）作为可变参数。因此，我们复制输入的概率，以避免用掩码修改原始数组。
驱动代码如下：
rngSource:=rand.NewSource(time.Now().UnixNano())rng:=rand.New(rngSource)arr:=[]string{"A","B","C","D"}probs:=[]float64{0.1,0.6,0.2,0.1}samples,err:=Choice(arr,3,false,probs,rng)iferr!=nil{log.Fatal(err)}fmt.Println("Samples: ",samples)就是这样，随时可以在评论区提问。
