python - 在 Python 中使用随机模块的选择时出错

Question

我正在尝试基于输入数据集构建随机数据集。 输入数据集由 856471 行组成，每行都有一对由制表符分隔的值。 随机数据集中的条目不能与输入数据集中的任何条目相同，这意味着:

如果第 1 行中的对是“Protein1 Protein2”，则随机数据集不能包含以下对:

• “蛋白质 1 蛋白质 2”
• “蛋白质 2 蛋白质 1”

为了实现这一目标，我尝试了以下方法:

data = infile.readlines()
ltotal = len(data)
for line in data:
    words = string.split(line)

init = 0
while init != ltotal:
    p1 = random.choice(words)
    p2 = random.choice(words)
    words.remove(p1)
    words.remove(p2)
    if "%s\t%s\n" % (p1, p2) not in data and "%s\t%s\n" % (p2, p1) not in data:
        outfile.write("%s\t%s\n" % (p1, p2))

但是，我收到以下错误:

Traceback (most recent call last):   File
"C:\Users\eduarte\Desktop\negcreator.py", line 46, in <module>
    convert(indir, outdir)   File "C:\Users\eduarte\Desktop\negcreator.py", line 27, in convert
    p1 = random.choice(words)   File "C:\Python27\lib\random.py", line 274, in choice
    return seq[int(self.random() * len(seq))]  # raises IndexError if seq is empty
IndexError: list index out of range

我非常确定这会起作用。我究竟做错了什么？ 提前致谢。

Answer 1

循环中的每一行都会覆盖变量 words

for line in data:
    words = string.split(line)

这很可能不是您想要的。

此外，您的 while 循环是一个无限循环，最终会消耗 words，而不会为 random.choice() 留下任何选择。

编辑:我的猜测是你有一个制表符分隔的单词对文件，每行一对，并且你试图从所有单词中形成随机对，只写那些输出文件中未出现在原始文件中的随机对。这是执行此操作的一些代码:

import itertools
import random
with open("infile") as infile:
    pairs = set(frozenset(line.split()) for line in infile)
words = list(itertools.chain.from_iterable(pairs))
random.shuffle(words)
with open("outfille", "w") as outfile:
    for pair in itertools.izip(*[iter(words)] * 2):
        if frozenset(pair) not in pairs:
            outfile.write("%s\t%s\n" % pair)

注释:

1. 一对单词由一个frozenset表示，因为顺序并不重要。

2. 我对所有对使用一个集合，以便能够在恒定时间内测试一对是否在集合中。

3. 我没有重复使用random.choice()，而是只对整个列表进行一次洗牌，然后成对迭代它。这样，我们不需要从列表中删除已经使用的单词，因此效率更高。 (这一变化与之前的变化相比，将该方法的算法复杂度从 O(n²) 降低到了 O(n)。)

4. 表达式 itertools.izip(*[iter(words)] * 2) 是一种常见的 Python 习惯用法，用于成对迭代 words，以防万一你还没有遇到过那个人。

5. 代码尚未经过测试。