高效的計數向量采樣方法，無需替換

Question

在這里，我使用顏色頻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 

現在，我想從此向量中采樣5個大理石，而無需替換。 通過將頻率向量擴展為大理石向量，然后從中進行采樣，可以做到這一點。

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

green   red 
    2     3 

但這是內存效率低下（也許是性能低下嗎？）。 是否有一種更快和/或更有效的方式來采樣數據？

Answer 1

我認為這對您有用。

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)

這將永遠不會創建超過樣本大小的向量。