Question

我正在研究一个由~10 ^ 6个值组成的数据集，这些数据集聚成可变数量的二进制数。在我的分析过程中，我试图随机化我的聚类，但保持bin大小不变。作为玩具示例（伪代码），这看起来像这样：

data <- list(c(1,5,6,3), c(2,4,7,8), c(9), c(10,11,15), c(12,13,14));
sizes <- lapply(data, length);
for (rand in 1:no.of.randomizations) {
    rand.data <- partition.sample(seq(1,15), partitions=sizes, replace=F)
}

所以，我正在寻找像“partition.sample”这样的函数，它将采用一个向量（如seq（1,15））并从中随机抽样，返回一个列表，其中数据被分区为正确的bin大小给定已经是“尺寸”。

我一直在尝试自己写一个这样的功能，因为这项任务似乎并不那么难。然而，将矢量划分为给定的bin大小看起来如果在“引擎盖下”完成它会更快更有效，这意味着可能不是在本机R中。所以我想知道我是否刚刚错过了相应的名称功能，或者是否有人可以请我指出一个智能解决方案： - ）

你的帮助＆amp;时间非常感谢！： - ）

最佳，

Lymond

更新：

“no.of.randomizations”是指我在整个“随机化循环”中运行的实际次数。稍后，这将显然包括更多的步骤，而不仅仅是实际的采样。

此外，除了替换之外，我还有兴趣使用进行上述专长。

提前致谢，非常感谢您的帮助！

Answer 1

修订：这应该是相当有效的。它的复杂性主要在于排列步骤：

# A single step:
x <- sample( unlist(data)) 
list( one=x[1:4], two=x[5:8], three=x[9], four=x[10:12], five=x[13:16])

如上所述，“no.of.ndomndom”可能是此过程重复应用的次数，在这种情况下，您可能希望将replicate包裹在其中：

replic <- replicate(n=4, { x <- sample(unlist(data))
   list( x[1:4], x[5:8], x[9], x[10:12], x[13:15]) }  )

Answer 2

经过一些思考和谷歌搜索后，我想出了一个可行的解决方案。但是，我仍然不相信这是最快捷，最有效的方式。

原则上，我可以生成一个“数据”的单一排列的长向量，然后通过提供给split的 factor 参数将其拆分为长度为“sizes”的向量列表。为此，我需要为我的不同“数据”组添加一个额外的ID方案，我碰巧在我的情况下。

当被视为代码时，它变得更加清晰：

data <- list(c(1,5,6,3), c(2,4,7,8), c(9), c(10,11,15), c(12,13,14));
sizes <- lapply(data, length);

到目前为止，一切都如上所述

names <- c("set1", "set2", "set3", "set4", "set5");

就我而言，我很幸运能够从数据中提供“名称”。否则，我必须得到它们（例如）

names <- seq(1, length(data));

然后可以使用rep：

通过“大小”扩展此“名称”向量

cut.by <- rep(names, times = sizes);
[1] 1 1 1 1 2 2 2 2 3 4 4 4 5
[14] 5 5

这个新的向量“cut.by”然后可以作为split（）

的参数提供

rand.data <- split(sample(1:15, 15), cut.by)
$`1`
[1]  8  9 14  4
$`2`
[1] 10  2 15 13
$`3`
[1] 12
$`4`
[1] 11  3  5
$`5`
[1] 7 6 1

这是我正在寻找的工作。它从背景“1:15”中采样，并通过矢量“cut.by”将结果分成长度为“大小”的矢量。

但是，我仍然不乐意通过额外的（可能的）长向量来指示分割位置，例如上面代码中的“cut.by”。这绝对有效，但是对于很长的数据向量，我猜它可能变得很慢。

无论如何，谢谢你提供的答案和指示！非常感谢您的帮助： - ）

R：将样本放入预定义大小的分区（分区样本向量）

2 个答案: