在Python中使用随机模块中的选项时出错

Question

我想基于输入数据集来构建随机数据集。 输入数据集由856471行组成，每行中有一对由制表符分隔的值。 从随机数据集NO条目可以等于任何那些在输入数据集的，这意味着：

如果对在第1行是“蛋白1蛋白2”时，随机数据集不能包含以下对：

• “蛋白1蛋白2”
• “蛋白2蛋白1”

为了实现这一点，我尝试了以下内容：

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)) 

不过，我发现了以下错误：

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 

我敢肯定这会工作。我究竟做错了什么？ 在此先感谢。

Answer 1

变量words被改写为各行内循环

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

这是最有可能不是你想要的。

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

编辑：我的猜测是，你有制表符分隔的词对的文件，每行一对，你正试图形成从所有的话随机对，写作只有那些随机配对向输出文件不在原始文件中出现。下面是一些代码这样做：

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：

1. 一对字由frozenset表示时，由于顺序无关紧要。

2. 我使用set为所有对能够测试一对是否在恒定时间集合。

3. 而不是重复使用random.choice()，我只洗一次整个列表，然后成对地遍历它。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。 （这个变化的前一个打倒方法的算法复杂度从O（N²）至O（N）。）

4. 表达itertools.izip(*[iter(words)] * 2)是一种常见的Python的成语来遍历成对words，万一你没有遇到那个呢。

5. 该代码仍未测试。