选择满足某一谓词的随机值的方法

上面写的方法实际上是很好的惯用Python。如果我们分析算法,我们会发现它本质上是这样做的:

1. 列出满足谓词的元素。(与n呈线性增长)
2. 从列表中选择一个随机元素。(固定时间)

唯一的另一种方法是随机选择一个元素,决定它是否满足谓词,如果不满足,则再次选择。这个算法有点复杂。在列表的90%满足谓词的情况下,这将比解决方案运行得更快。在只有10%的列表满足谓词的情况下,实际运行速度会慢得多,因为很有可能随机选择一个给定元素,并检查该元素是否满足谓词多次。现在你可以考虑记忆你的谓词,但是你仍然要选择很多随机数据。归根结底,除非您的解决方案特别不适合您的数据,否则请坚持使用它,因为它非常棒。就我个人而言,我会这样改写它:

intlist = range(1,10)
randomeven = random.choice([i for i in intlist if i % 2 == 0])

这有点简洁,但它的运行方式与现有代码完全相同。

我找不到某种函数 random.selectspecific(list, predicate) 在文档中,我将尝试如下操作:

import random
def selectspecific(l, predicate):
    result = random.choice(l)
    while (not predicate(result)):
        result = random.choice(l)
    return result

import random

intlist = [1,2,3,4,5,6,7,8,9]
randomeven = random.choice(filter(lambda x: x % 2 == 0, intlist))                                                                                                                                                         

这是怎样的蟒蛇?

from itertools import ifilterfalse
from random import choice
print choice([ i for i in ifilterfalse(lambda x: x%2, range(10)) ])

如果您想封装更多的内容,您可以创建一个方法来处理选择,这将接受一个谓词方法。然后可以将此谓词方法用于 filter() .

import random
def selectSpecific(intlist, predicate):
  filteredList = filter(predicate, intlist)
  result = random.choice(filteredList)
  return result

可以将谓词传递给 selectSpecific() 作为一个 lambda 或任何其他方法。例子:

intlist = range(1,10)
selectSpecific(intlist, lambda x: x % 2 == 0)

def makeEven(n):
  if n % 2 == 0:
    return n

selectSpecific(intlist, makeEven)