nach dem Zufallsprinzip Partition Liste ohne Duplikate

Question

Ich habe ein Array, das jeweils eine Reihe von Zahlen n mal enthält. Beispiel mit n=2:

[0, 1, 2, 3, 4, 0, 1, 2, 3, 4] 

Was würde Ich mag eine Partition dieser Anordnung, bei der die Mitglieder der Trennwand

• Elemente enthalten, die zufällig aus dem Array
• enthalten keine Duplikate erstellt werden
• enthalten die gleiche Anzahl von Elementen (bis zur Rundung) k

Beispielausgabe für k=4:

[[3,0,2,1], [0,1,4,2], [3,4]] 

Ungültige Ausgang für k=4:

[[3,0,2,2], [3,1,4,0], [1,4]] 

(dies ist eine Partition, aber das erste Element der Partition enthält Duplikate)

Was die pythonic Weg, das zu erreichen?

Answer 1

Eine Kombination aus collections.Counter und random.sample verwendet werden können:

from collections import Counter 
import random 

def random_partition(seq, k): 
    cnts = Counter(seq) 
    # as long as there are enough items to "sample" take a random sample 
    while len(cnts) >= k: 
     sample = random.sample(list(cnts), k) 
     cnts -= Counter(sample) 
     yield sample 

    # Fewer different items than the sample size, just return the unique 
    # items until the Counter is empty 
    while cnts: 
     sample = list(cnts) 
     cnts -= Counter(sample) 
     yield sample 

Dies ist ein Generator, dass yield s die Proben, so dass Sie sie einfach an einen list werfen können:

>>> l = [0, 1, 2, 3, 4, 0, 1, 2, 3, 4] 

>>> list(random_partition(l, 4)) 
[[1, 0, 2, 4], [1, 0, 2, 3], [3, 4]] 

>>> list(random_partition(l, 2)) 
[[1, 0], [3, 0], [1, 4], [2, 3], [4, 2]] 

>>> list(random_partition(l, 6)) 
[[0, 1, 2, 3, 4], [0, 1, 2, 3, 4]] 

>>> list(random_partition(l, 4)) 
[[4, 1, 0, 3], [1, 3, 4, 0], [2], [2]] 

Die letzte Der Fall zeigt, dass diese Methode seltsame Ergebnisse liefern kann, wenn der "zufällige" Teil in der Funktion die "falschen" Proben zurückgibt. Wenn das nicht oder nicht oft genug passiert, müssen Sie herausfinden, wie die Stichproben gewichtet werden können (zum Beispiel mit random.choices), um diese Möglichkeit zu minimieren.