高效的计数向量采样方法，无需替换

Question

在这里，我使用颜色频率矢量表示一罐大理石

marbleCounts <- c(red = 5, green = 3, blue = 2)
marbleCounts

red green  blue 
  5     3     2 

现在，我想从此向量中采样5个大理石，而无需替换。 通过将频率向量扩展为大理石向量，然后从中进行采样，可以做到这一点。

set.seed(2019)
marbles <- rep(names(marbleCounts), times = marbleCounts)
samples <- sample(x = marbles, size = 5, replace = FALSE)
table(samples)

green   red 
    2     3 

但这是内存效率低下（也许是性能低下吗？）。 是否有一种更快和/或更有效的方式来采样数据？

Answer 1

我认为这对您有用。

marbleCounts <- c(red = 5, green = 3, blue = 2)

# first, draw from the possible indexes (does not create the full vector)
draw <- sample.int(sum(marbleCounts), 5)

# then assign indexes back to original group
items <- findInterval(draw-1, c(0, cumsum(marbleCounts)), rightmost.closed = TRUE)

#extract your sample    
obs <- names(marbleCounts)[items]
table(obs)

这将永远不会创建超过样本大小的向量。