R随机选择一个组合

Question

假设我有一个向量x ，其中包含10个数字。 我想选择N次M次子集并将其放入列表对象。 如何确保我选择的内容与列表中的所有元素都是唯一的？ 注意顺序无关紧要。 因此c(1,0,3)与c(3,0,1)相同。

x = seq(1,10,1)

我可以使用combn(x,N)来做到这一点，但是在我的x包含10k或更多元素的情况下，使用combn并随机选择其中的任何一个都不可行。

或者说问题。 我想在不进行替换的情况下随机采样combn(x,N)的输出。 是否可以不先生成调用combn ？

有任何想法吗？

Answer 1

我想在不进行替换的情况下随机采样combn（x，N）的输出。 是否可以不先生成调用combn？

我不这么认为，不是具有32位整数的当前状态（而bit64甚至bit64不错，也无法捕获所有内容）。

combn(10000,4) ：为了能够任意索引combn(10000,4)返回的combn(10000,4) ，您可能首先要确定一些简单明了的东西，例如“是我四个数字中的第一个为'1'”。 明知第一j组合产生的迭代将用1（例如，启动1,2,3,4 ， 1,2,3,5 ，......， 1,2,3,10000 ），你认为“所有我需要做的是对照第一组1检查我想要的索引并进行迭代”（寻找2、3等）。 不幸的是，在10k和N=5 ，前4.162501e+14行以“ 1”开头。 （这恰好是choose(10000-1,5-1) ，这不是巧合。）然后，您必须一次又一次地执行此操作，并且计数会增加。

这远远超出了32位整数空间。 N=6以8.320840e+17作为第一组1 8.320840e+17 。

要在此空间上执行“随机访问”是相当疯狂的，甚至（我怀疑）本机64位计算也将很快耗尽空间。

如果无法减少数据量

我相信您最实用的方法是在他的评论中使用@alistaire的建议代码：

set.seed(42)
x <- seq(1, 10000)
N <- 4
M <- 10
out <- list()
while(length(out) < M) {
  out <- c(out,
           unique(replicate(M - length(out), sort(sample(x, N)), simplify = FALSE)))
}
str(out)
# List of 10
#  $ : int [1:4] 2861 8302 9149 9370
#  $ : int [1:4] 1347 5191 6418 7365
#  $ : int [1:4] 4577 6570 7050 7189
#  $ : int [1:4] 2555 4623 9347 9398
#  $ : int [1:4] 1175 4750 5602 9783
#  $ : int [1:4] 1387 9041 9464 9887
#  $ : int [1:4] 825 3902 5142 9055
#  $ : int [1:4] 4470 7375 8109 8360
#  $ : int [1:4] 40 3882 6852 8327
#  $ : int [1:4] 74 2077 6116 9065

或稍作调整（如果使用更大的N ， M ，速度可能会提高约30％）：

set.seed(42)
N <- 8
M <- 100
out <- list()
while (length(out) < M) {
  out2 <- split(apply(matrix(sample(lenx, size = M*N, replace = TRUE),
                            nrow = M, ncol = N),
                     1, sort),
                rep(1:M, each = N))
  out <- c(out, out2[ !duplicated(out2) ])
}

如果您知道M*N < length(x) ，那么可以改用replace=FALSE ，这样就可以确保只通过一次while循环。

即使可以大大减少样本量

我编写了一个函数，提供了对组合的随机访问。 但是，我测试的次数越多，我越会发现它开始崩溃时，这样做会不会确保索引的完全唯一性，也不会保证发生这种情况时会犯错误 。 （因此，我没有发布它。如果有人真的很好奇，我可以脱机提供它。我对惰性的expand.grid做了类似的expand.grid ，但是从数学expand.grid这更简单/易于处理；甚至到那时我都没有用它进行测试设置得很大。由于您正在寻找组合而不是排列，因此我认为这不适合。）

底线：不幸的是，R可能不是这个地方。