R sample 随机样本和排列

说明

sample 使用带替换或不带替换的方式从 x 的元素中获取指定大小的样本。

用法

sample(x, size, replace = FALSE, prob = NULL)

sample.int(n, size = n, replace = FALSE, prob = NULL,
           useHash = (n > 1e+07 && !replace && is.null(prob) && size <= n/2))

参数

x	一个或多个可供选择的元素的向量，或者一个正整数。查看具体信息。'
n	正数，可供选择的项目数。查看具体信息。'
size	一个非负整数，给出要选择的项目数。
replace	抽样是否应该放回？
prob	用于获取被采样向量的元素的概率权重向量。
useHash	logical 指示是否应使用算法的hash-version。只能用于 replace = FALSE 、 prob = NULL 和 size <= n/2 ，并且确实应该用于大型 n ，因为 useHash=FALSE 将使用与 n 成比例的内存。

细节

如果 x 的长度为 1，是数字(在 is.numeric 的意义上)和 x >= 1 ，则通过 sample 进行采样从 1:x 开始。请注意，当 x 在诸如 sample(x) 等调用中长度不同时，此便利函数可能会导致不良行为。请参阅示例。

否则x可以是任何R对象为length并且按整数进行子集化是有意义的：将根据需要调度这些操作的 S3 或 S4 方法。

对于 sample，size 的默认值是从第一个参数推断的项目数，以便 sample(x) 生成 x (或 1:x )元素的随机排列。

允许要求带有 n = 0 或 length-zero x 的 size = 0 样本，但否则需要 n > 0 或正 length(x)。

n 或 x 的非整数正数值将被截断为下一个最小整数，该整数不得大于 .Machine$integer.max 。

可选的prob参数可用于给出权重向量，以获取被采样向量的元素。它们的总和不必为一，但应为非负数且不全为零。如果replace是真的，当有超过 200 个合理可能的值时，使用 Walker 的别名方法(Ripley，1987)：这给出的结果与来自的结果不兼容R< 2.2.0。

如果replace为假，则这些概率按顺序应用，即选择下一个项目的概率与剩余项目的权重成正比。在这种情况下，非零权重的数量必须至少为size。

sample.int 是一个裸接口，其中 n 和 size 都必须以整数形式提供。

参数 n 可以大于类型 integer 的最大整数，最大可达类型 double 中可表示的最大整数。仅支持均匀采样。使用两个随机数来确保大整数的均匀采样。

值

对于 sample ，长度为 size 的向量，其元素取自 x 或整数 1:x 。

对于 sample.int ，长度为 size 的整数向量，其中元素来自 1:n ，如果是 n \ge 2^{31} 则为双向量。

例子

x <- 1:12
# a random permutation
sample(x)
# bootstrap resampling -- only if length(x) > 1 !
sample(x, replace = TRUE)

# 100 Bernoulli trials
sample(c(0,1), 100, replace = TRUE)

## More careful bootstrapping --  Consider this when using sample()
## programmatically (i.e., in your function or simulation)!

# sample()'s surprise -- example
x <- 1:10
    sample(x[x >  8]) # length 2
    sample(x[x >  9]) # oops -- length 10!
    sample(x[x > 10]) # length 0

## safer version:
resample <- function(x, ...) x[sample.int(length(x), ...)]
resample(x[x >  8]) # length 2
resample(x[x >  9]) # length 1
resample(x[x > 10]) # length 0

## R 3.0.0 and later
sample.int(1e10, 12, replace = TRUE)
sample.int(1e10, 12) # not that there is much chance of duplicates

参考

Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S Language. Wadsworth & Brooks/Cole.

Ripley, B. D. (1987) Stochastic Simulation. Wiley.

也可以看看

RNGkind(sample.kind = ..)关于随机数的生成，特别是sample()结果与R版本3.6.0。

CRAN 包 sampling 用于其他无需替换的加权采样方法。