Arrays 按升序排列的Ruby数组
大家好,我正在制作一个简单的函数,以升序生成浮点数组,但我想知道是否有更简单的方法来实现这一点。 我将使用它来创建一个表,这样我就可以生成随机数学问题,用拉格朗日数值方法来解决它们 拉格朗日方法使用X,F(X)和X0,其中X0必须在X的范围内,否则无法解决问题 到目前为止,这是我的代码Arrays 按升序排列的Ruby数组,arrays,ruby,sorting,random,Arrays,Ruby,Sorting,Random,大家好,我正在制作一个简单的函数,以升序生成浮点数组,但我想知道是否有更简单的方法来实现这一点。 我将使用它来创建一个表,这样我就可以生成随机数学问题,用拉格朗日数值方法来解决它们 拉格朗日方法使用X,F(X)和X0,其中X0必须在X的范围内,否则无法解决问题 到目前为止,这是我的代码 xn = [] #i is a random number selected from a list i.times do value=rand(0.1..15.1) xn<<valu
xn = []
#i is a random number selected from a list
i.times do
value=rand(0.1..15.1)
xn<<value
end
#ordena el arreglo de manera ascendente
xn.sort!
xn=[]
#i是从列表中选择的随机数
i、 时代确实如此
值=兰特(0.1..15.1)
xn代码本身看起来很好,符合您的目的。在哪里使用这一点有上下文吗?因为“简单性”可能是由代码的上下文驱动的
比如说,
您可以配置所需的随机数数量和随机数范围。您可以从外部配置排序顺序
您可以将其封装在实用程序类中,并将其像API一样公开给其他类
如果需要一百万个随机排序的数字,您希望这些数字流式传输吗?如果是这样,就有Ruby库
。。。还有更多。上下文将是有用的。希望这有帮助 正如席德所指出的,当你问“是否有更简单的方法”时,很大程度上取决于上下文。如果说“更简单”是为了提高效率,那么答案不仅仅是有多少行代码
如果您真的想将所有的顺序统计信息作为一个集合来查看,那么使用Ruby的块构造函数功能将您的方法转换为一行程序可能更具可读性,下面提供的实现的计时显示它稍微快一点,但只快几个百分点
但是,如果您有一个非常大的N,并且正在按顺序处理这些值,那么您可能更喜欢生成器方法。下面实现为ordered_random_generator
的是每个元素的O(1)计算和存储,使得生成整个集合为O(N),但如果在使用每个元素后丢弃它,则为O(1)存储。如果存储元素,实际上这比基于排序的方法慢,因为在计算中计算kth根的成本很高
另一种可能是,您实际上对整组值不感兴趣,而是使用它来获取特定的分位数或顺序统计信息,例如,100个有序元素中的第10个。在这种情况下,您可以使用O(1)存储直接生成具有正确In O(1)时间的随机值
这里是各种选项的实现,显示了生成整个数组的三种方法的计时,并显示了第四种方法的分布有效性
# Your original.
# O(N log N) time due to sort, O(N) storage.
def ordered_random1(n, range_spec = 1.0..n)
ary = []
n.times do
value = rand(range_spec)
ary << value
end
ary.sort!
end
# Same sort-based algorithm using Ruby's Array constructor with a block.
# O(N log N) time due to sort, O(N) storage.
def ordered_random2(n, range_spec = 1.0..n)
Array.new(n) { rand(range_spec) }.sort!
end
# Generator which uses distributional properties to generate the minimum of
# k uniforms from k = N down to 1, scaling the result down to the remaining
# sub-range of the original range.
# O(1) time per element, O(1) storage. However, computation time has a very
# large constant due to the transcendental function evaluation for kth root.
def ordered_random_generator(n, range_spec = 1.0..n)
x = range_spec.first
upper = range_spec.last
Enumerator.new do |yielder|
n.times do |i|
range = upper - x
u_min = 1.0 - rand ** (1.0 / (n - i))
x += range * u_min
yielder.yield x
end
end
end
# Use generator to fill array of size N.
# O(N) time and storage.
def ordered_random3(n, range_spec = 1.0..n)
gen = ordered_random_generator(n, range_spec)
Array.new(n) { gen.next }
end
require 'random_variates' # 'gem install random_variates' to get from rubygems
# Use distributional properties of uniform order statistics to directly
# generate instances of the kth of N values.
# O(1) time, O(1) storage.
def kth_of_n_generator(k:, n:, range_spec: 0.0..1.0)
# Uniform order stats have a beta distribution. Beta is a ratio of Gammas.
x = Gamma.new(alpha: k).next
y = Gamma.new(alpha: n - k + 1).next
beta = x / (x + y)
(range_spec.last - range_spec.first) * beta + range_spec.first
end
# Time for Demos!
my_range = 0.1..15.1
puts "SAMPLE OUTPUT FOR RANGE = #{my_range}:"
puts " original: #{ordered_random1(5, my_range)}"
puts "one-liner: #{ordered_random2(5, my_range)}"
puts "generator: #{ordered_random3(5, my_range)}"
puts "direct generation of min & max using kth_of_n_generator: #{
kth_of_n_generator(k: 1, n: 5, range_spec: my_range)
}, #{
kth_of_n_generator(k: 5, n: 5, range_spec: my_range)
}"
REPS = 10_000
n = 9
puts "\nDEMO DISTRIBUTIONAL CORRECTNESS OF SINGLETON GENERATOR (range = 0.0..1.0)"
(1..n).each do |k|
total = Array.new(REPS) { kth_of_n_generator(k: k, n: n) }.inject(:+)
quantile = k.to_f / (n + 1)
suffix = case k
when 1
"st"
when 2
"nd"
when 3
"rd"
else
"th"
end
print "Average of #{REPS} values of #{k}#{suffix} of #{n}: #{total / REPS} "
puts "[Expected value is #{quantile}]"
end
require 'benchmark/ips'
[100, 10_000].each do |n|
puts "\nBENCHMARKING ARRAYS OF SIZE #{n}"
Benchmark.ips do |b|
b.report(' original:') { ordered_random1(n, my_range) }
b.report('one-liner:') { ordered_random2(n, my_range) }
b.report('generator:') { ordered_random3(n, my_range) }
b.compare!
end
end
请注意,对于此处测试的两种阵列大小,生成器方法都比两种基于排序的方法慢。由于O(N)vs O(N log N)的渐近行为,对于较大的数组大小,差距正在缩小,但如果您主要关注的是速度,则可能还不足以引起兴趣 我想把它变成一个函数,因为我会再次使用它,所以我可以创建一个包含X和F(X)值的表,我添加了更多关于这个问题的信息,就像你说的谢谢!太好了,希望答案有帮助。您标记这个RubyonRails有什么特别的原因吗?我看到的是纯Ruby,没有rails。