R 查找0和x27的所有组合；s和1'；s，具体数字为1'；s

我想找到一个包含0和1所有可能组合的矩阵。这些可能组合的条件不是单个可能性的信誉，并且对于每个可能向量都有指定数量的1。例如，我有多个对象n=6，多个样本r=3，这意味着6个插槽，在每个插槽中（可能的组合），有多个1的=3。使用R中的choose（）函数，我们可以找到20个可能性

choose(n=6,k=3) #calculate the number of combinations without replacement/repetition

所有可能组合的理想输出矩阵如下：

1, 1 1 1 0 0 0
2, 1 1 0 1 0 0
3, 1 1 0 0 1 0
4, 1 1 0 0 0 1
5, 1 0 1 1 0 0
6, 1 0 1 0 1 0
7, 1 0 1 0 0 1
8, 0 1 1 1 0 0 
9, 0 1 1 0 1 0
10,0 1 1 0 0 1
11,0 0 1 1 1 0
12,0 0 1 1 0 1
14,0 0 0 1 1 1 
15,1 0 0 1 1 0
16,0 1 0 1 1 0 
17,1 0 0 1 0 1
18,1 0 0 0 1 1 

这些可能性应该等于20，但我发现只有18。 我将把这个概念应用于大量的数据集，例如，不是6个插槽，而是3个1，分别是200个插槽和100个1。因此，我需要一个算法或R中的内置函数来提供输出。 谢谢

您可以编写一个函数：

fun=function(n,m)t(combn(n,m,function(x)replace(numeric(n),x,1)))
fun(6,3

您可以编写一个函数：

fun=function(n,m)t(combn(n,m,function(x)replace(numeric(n),x,1)))
fun(6,3

---

这只是多集

0:1

的排列。有两个库能够有效地处理这些问题：

RcppAlgos

（我是作者）和

安排

RcppAlgos::permuteGeneral(1:0, freqs = c(3, 3))

arrangements::permutations(x = 1:0, freq = c(3, 3))

两者都给出了期望的结果。您将注意到传递的向量是按降序排列的（即

1:0

）。之所以如此，是因为这两个库都按字典顺序生成输出

如评论中所述，对于您的真实数据，由于结果数量太多，发布的任何解决方案都不起作用

RcppAlgos::permuteCount(0:1, freqs = c(100,100))
[1] 9.054851e+58

arrangements::npermutations(x = 0:1, freq = c(100, 100), bigz = TRUE)
Big Integer ('bigz') :
[1] 90548514656103281165404177077484163874504589675413336841320

由于一次生成如此数量的数据是不可行的，这两个包，

安排

和

RCPPALGO

都提供了替代方法，可以解决更大的问题

安排 对于包

排列

，您可以设置一个迭代器，允许用户一次生成组合/排列n，从而避免生成所有组合/排列的开销

由于这些块是独立生成的，因此可以轻松地并行生成和分析：

library(parallel)
mclapply(seq(1,20,5), function(x) {
    a <- permuteGeneral(1:0, freqs = c(3,3), lower = x, upper = x + 4)
    ## Do some analysis
}, mc.cores = detectCores() - 1)

库（并行）
mclappy（seq（1,20,5），函数（x）{
a这只是多集
0:1
的排列。有两个库能够有效地处理这些问题：
RcppAlgos
（我是作者）和
排列

RcppAlgos::permuteGeneral(1:0, freqs = c(3, 3))

arrangements::permutations(x = 1:0, freq = c(3, 3))

这两个库都给出了所需的结果。您会注意到传递的向量是降序的（即
1:0
）。这是因为这两个库都按字典顺序生成输出

如评论中所述，对于您的真实数据，由于结果数量太多，发布的任何解决方案都不起作用

RcppAlgos::permuteCount(0:1, freqs = c(100,100))
[1] 9.054851e+58

arrangements::npermutations(x = 0:1, freq = c(100, 100), bigz = TRUE)
Big Integer ('bigz') :
[1] 90548514656103281165404177077484163874504589675413336841320

由于一次生成如此数量的数据是不可行的，这两个包，
安排
和
RCPPALGO
都提供了替代方法，可以解决更大的问题

安排
对于包
排列
，您可以设置一个迭代器，允许用户一次生成组合/排列n，从而避免生成所有组合/排列的开销

由于这些块是独立生成的，因此可以轻松地并行生成和分析：

library(parallel)
mclapply(seq(1,20,5), function(x) {
    a <- permuteGeneral(1:0, freqs = c(3,3), lower = x, upper = x + 4)
    ## Do some analysis
}, mc.cores = detectCores() - 1)

库（并行）
mclappy（seq（1,20,5），函数（x）{
感谢Onyanbu，非常棒，非常完美，回答非常迅速。这似乎是一个非常聪明的答案，所以我需要了解它是如何工作的，我指的是函数的每个部分。从
combn（6,3）开始
然后你会看到发生了什么感谢Onyanbu，很棒，工作完美，回答非常快。这似乎是一个非常聪明的答案，所以我需要了解它是如何工作的，我是指函数的每个部分。从
combn（6,3）开始
然后你会看到发生了什么这些不是组合。它们是排列，因为顺序很重要。还要注意的是，对于真实的数据集，由于结果数量巨大，你可能不得不改变方法：
RcppAlgos:：permuteCount（0:1，freqs=c（100100））=9.054851e+58
。这些不是组合。它们是排列，因为顺序很重要。还要注意，对于实际数据集，由于结果数量巨大，您可能必须更改方法：
RcppAlgos:：permuteCount（0:1，freqs=c（100100））=9.054851e+58
。