选择唯一组合的算法

Question

我正在寻找对解决此问题有用的算法或方法：

假设我有一个 dataframe：

       x         y    Bin1  Bin2      Bin3 
153.0303 -27.17894      10         6         5        
153.0303 -27.17916       8         7         8        
153.0303 -27.17938       1         6         3        
153.0300 -27.17960      10         1         8     

这持续了约 10k 行。 每个 Bin 可以是 integer 1 到 10。我想要做的是 select 一个随机子集，其中每个 Bin 只有唯一值。 例如，这个 dataframe 是有效的，因为每个 Bin 都有 10 个不同的值。

       x         y    Bin1  Bin2      Bin3 
153.0303 -27.17894       1         6         4        
153.0303 -27.17916       2         7         2        
153.0303 -27.17938       3         5         3        
153.0300 -27.17960       4         3         8    
153.0303 -27.17938       5         4         1        
153.0300 -27.17960       6         8         7  
153.0303 -27.17938       7         1         6        
153.0300 -27.17960       8         2        10  
153.0303 -27.17938       9         10        5        
153.0300 -27.17960      10         9         9   

我当前的方法涉及反复随机选择行，直到找到组合。 但是我正在尝试找到一种更有效的方法。

提前致谢！

Answer 1

想法：我们跟踪两个索引：current 和 last。 current 之前的任何内容都是我们正在构建的集合的一部分，last 之后的任何内容都已被删除，因为它们与我们集合中的某些内容不兼容。

我们还为每个 bin 保留一组无效值。

初始化为 current = 1 和 last = n，即行数。

1. 将 row[current] 与 current 和 last 之间的随机行交换。
2. 如果交换的行有效（检查你的集合）然后更新你的集合，增加电流，并且 go 回到 1 或者如果你已经达到你的目标就停止。
3. 如果交换的行无效，则将其与最后一行交换，最后递减，go 返回 1。

在最坏的情况下，您要求的是不可能的事情。 即，您需要 k 个有效行，但最大可能的有效行集小于 k。 在这种情况下，您将运行此循环 n 次。

也有可能您要求 k 有效行，并且它们存在，但是您已经选择的 k-1 或更少的行与任何行添加不兼容。

所以这种做法是否合理取决于你的数据。