如何在读取时从数组中随机选择任意数量的元素

Question

我需要随机（以相同的概率）从文件中的数组中选择一些固定数量的元素。我想读取文件一次，只是保留拾取的元素，因为一个数组可能很长，我不想把它保存在内存中。每个子阵列的选择概率应该相等。而且在开始时我不知道数组的大小。

我该怎么做？

Answer 1

你需要一种叫做水库采样的东西。

在这篇博客中解释得非常好：

http://gregable.com/2007/10/reservoir-sampling.html

Answer 2

如果你不关心你正在拾取的元素的确切数量，一个简单的解决方案就是读取文件并以固定的概率选择每个元素。

如果你想要一个确切的数字，你需要在读取整个文件之前知道这个文件中有多少个元素，计算你想要的元素列表（作为整数列表），然后读取文件并选择正确的元素。