1.蓄水池抽样问题

''' 经典面试题分析:蓄水池抽样. 题目:要求从N个元素中随机的抽取k个元素,其中N无法确定。只能扫描一次数据 ''' ''' 分析: 1.如果题目的N给定了,那么算法是把1到N这些整数shuffle一下, 然后按照这个index取前k个即可.效率是O(N**2)的.但是由于只读取了k次数据. 当读取数据一次很慢时候,这个效率可以. 2.回归这个题目,他要求N无法确定. 只需要: 1.把前k个数按顺序放一个数组里面. 2.对于第k+1个数.randint(1,k+1)如果rand出来的数在(1,k)里面,那么k+1位置的数与 数组中rand出来的这个index的数交换. 3.后面类似.对于第k+i个数就randint(1,k+i)............ 所以:一共randint跑了N次.数据也只扫描了一次. ''' import random def savirior_sampling(data,k):#从data里面抽样k个元素,data这里用数组来模拟 output=data[:k] #模拟不知道数组的长度所以用try来做 index=k while 1: try: obj=random.randint(0,index) if obj <k: output[obj]=data[index] index+=1 except: return output #下面进行代码测试 a=[0]*11 for i in range(100000): tmp=savirior_sampling([1,2,3,4,5,6,7,8,9,10],3) for i in tmp: a[i]+=1 print (a[1:]) #[1523, 1499, 1456, 1478, 1481, 1519, 1539, 1466, 1549, 1490] #所以我们基本可以说这个是等概率的.