有效地在R中创建向量的无序
我正在寻找一种有效的方法,在R中创建一个向量的错乱(和相反的特定排列)。 就我所见,没有基函数能做到这一点,这里也没有太多关于它的内容 一个明显的开始是有效地在R中创建向量的无序,r,performance,vector,permutation,R,Performance,Vector,Permutation,我正在寻找一种有效的方法,在R中创建一个向量的错乱(和相反的特定排列)。 就我所见,没有基函数能做到这一点,这里也没有太多关于它的内容 一个明显的开始是sample,它创建了向量的排列。但我需要这个排列没有固定点,所以是向量的错乱。有关此主题的详细说明,请参阅 这是我的第一个方法: derangr <- function(x){ while(TRUE){ xp <- sample(x) if(sum(xp == x) == 0) break }
sample
,它创建了向量的排列。但我需要这个排列没有固定点,所以是向量的错乱。有关此主题的详细说明,请参阅
这是我的第一个方法:
derangr <- function(x){
while(TRUE){
xp <- sample(x)
if(sum(xp == x) == 0) break
}
return(xp)
}
所以我想知道是否有更好的方法可以做到这一点,可能是用某种向量化来代替,而。我还想关注可伸缩性
以下是两个示例的microbenchmark
:
library(microbenchmark)
> microbenchmark(derangr(1:10),times = 10000)
Unit: microseconds
expr min lq mean median uq max neval
derangr(1:10) 8.359 15.492 40.1807 28.3195 49.4435 6866.453 10000
> microbenchmark(derangr(LETTERS),times = 10000)
Unit: microseconds
expr min lq mean median uq max neval
derangr(LETTERS) 24.385 31.123 34.75819 32.4475 34.3225 10200.17 10000
同样的问题也适用于相反的情况,即产生具有给定数量的固定点的排列n
:
arrangr <- function(x,n){
while(TRUE){
xp <- sample(x)
if(sum(xp == x) == n) break
}
return(xp)
}
arrangr如果您没有唯一的值,您可以重新排列一个索引,如,并使用它以新的顺序对输入向量进行子集设置。在这种情况下,如果您有例如rep(字母,2)
第一个A
和第二个A
可以互换。Q中提出的derangr()
函数也将重新排列这些
derangr2 <- function(x){
ind <- seq_along(x)
while(TRUE){
indp <- sample(ind)
if(sum(indp == ind) == 0) break
}
return(x[indp])
}
然而,如果您只面对唯一的值,那么这种方法不会有太多的改进
microbenchmark(derangr(1:1000), derangr2(1:1000), times = 1000)
# Unit: microseconds
# expr min lq mean median uq max neval
# derangr(1:1000) 19.341 21.333 61.55154 40.959 78.0775 2770.382 1000
# derangr2(1:1000) 23.608 25.884 72.76647 46.079 84.1930 2674.243 1000
向量中的某些值是否像在rep(字母,2)
中那样多次出现?如果是这样的话,第一个“A”和第二个“A”互换有关系吗?我在寻找一个通用的解决方案,所以你提出了一个很好的观点。我的函数采用唯一的值。如果您有重复的值,那么第一个“A”与第二个“A”互换也没关系,只要没有元素(或者相反地,n
)元素停留在它们以前的位置。+1一旦我读了您的评论,我就有了类似的想法。这绝对是一个进步。只是回顾一下我的部分问题,没有办法替代while
或其他循环?如果是这样,我认为这是一个解决方案。而且,derangr2
是否应该返回x[indp]
?我刚刚尝试了只重新排列indp==ind
的值。然而,理论上,如果只剩下一个符合此条件的值,则这可能会创建一个无限循环。。。所以没有改进。我可能弄错了,但我认为derangr3
无法执行。在定义indp之前,您正在对其进行评估。我承认我确实兴奋了一会儿,直到我意识到这也是我的感受,因此我接受了您的解决方案。谢谢你的努力!
microbenchmark(derangr(rep(LETTERS, 4)),
derangr2(rep(LETTERS, 4)), times = 1000)
# Unit: microseconds
# expr min lq mean median uq max neval
# derangr(rep(LETTERS, 4)) 6.258 113.4895 441.831094 251.724 549.384 5837.143 1000
# derangr2(rep(LETTERS, 4)) 6.542 7.3960 23.173800 12.800 22.755 4645.936 1000
microbenchmark(derangr(1:1000), derangr2(1:1000), times = 1000)
# Unit: microseconds
# expr min lq mean median uq max neval
# derangr(1:1000) 19.341 21.333 61.55154 40.959 78.0775 2770.382 1000
# derangr2(1:1000) 23.608 25.884 72.76647 46.079 84.1930 2674.243 1000