R: Выборка в ячейки предопределенных размеров (вектор выборки разделения)

Я работаю над набором данных, состоящим из ~ 10 ^ 6 значений, которые сгруппированы в переменное количество ячеек. В ходе моего анализа я пытаюсь рандомизировать свою кластеризацию, но сохраняю постоянный размер ячейки. В качестве игрушечного примера (в псевдокоде) это будет выглядеть примерно так:

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)
}

Итак, я ищу такую ​​функцию, как «partition.sample», которая будет брать вектор (например, seq (1,15)) и случайным образом выбирать из него, возвращая список с данными, разделенными на правильные размеры ячеек, заданные уже " размеры".

Я пытался сам написать одну такую ​​функцию, так как задача кажется не такой уж сложной. Тем не менее, разбиение вектора на заданные размеры ячеек выглядит так, как будто это было бы намного быстрее и эффективнее, если бы оно выполнялось «под капотом», то есть, вероятно, не в родном R. Поэтому мне интересно, не пропустил ли я только что имя соответствующего функция, или может ли кто-нибудь указать мне умное решение, которое есть вокруг :-)

Ваша помощь и время очень ценятся! :-)

Лучший,

Лаймонд

ОБНОВЛЕНИЕ:

Под «n.of.randomizations» я подразумеваю фактическое количество раз, когда я прохожу весь «цикл рандомизации». Позже это, очевидно, будет включать в себя больше шагов, чем просто фактическая выборка.

Более того, я был бы также заинтересован в том, чтобы сделать описанный выше трюк для выборки без замены.

Заранее спасибо, ваша помощь очень ценится!


r data-partitioning vector sample
person Lymond    schedule 02.07.2012    source источник
comment
Вы оставили предполагаемое значение (и цель) no.of.randomizations довольно двусмысленным.   -  person IRTFM    schedule 02.07.2012
comment
Да я вижу. На самом деле я просто имею в виду количество рандомизаций, то есть сколько раз я запускаю цикл for для выполнения каких-либо вычислений (включая шаг partition.sample). Извини за это!   -  person Lymond    schedule 03.07.2012

Ответы (2)


arrow_upward
5
arrow_downward

Пересмотрено: это должно быть достаточно эффективным. Его сложность должна быть в первую очередь на этапе перестановки:

# 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])

Как упоминалось выше, «n.of.randomizations» может быть количеством повторных применений этого процесса, и в этом случае вы можете захотеть обернуть это replicate:

replic <- replicate(n=4, { x <- sample(unlist(data))
   list( x[1:4], x[5:8], x[9], x[10:12], x[13:15]) }  )
person IRTFM    schedule 02.07.2012
comment
Спасибо Dwin за ответ! Это отлично работает для выборки с заменой. Но есть ли возможность сделать это без замены? Извините, что не ясно выразился в исходном вопросе... - person Lymond; 03.07.2012
comment
Я не понимаю. По умолчанию sample работает без_замены, таково текущее поведение. - person IRTFM; 03.07.2012
comment
Да. Но я хотел бы найти уникальные перестановки исходного вектора данных, разделенные на векторы размеров, заданных размерами. В вашем решении я получаю пять подвекторов, каждый из которых выбран без замены. Однако в векторах есть дубликаты. Я, вероятно, недостаточно опытен, чтобы адекватно сформулировать проблему с первого раза - я сожалею об этом! В любом случае, я думаю, что нашел разумное решение, также основанное на вашем ответе. (Смотри ниже) - person Lymond; 03.07.2012
comment
Ах, идеально. Большое спасибо за это предложение! :-) - person Lymond; 03.07.2012

arrow_upward
1
arrow_downward

Еще немного подумав и погуглив, я нашел приемлемое решение. Однако я до сих пор не уверен, что это самый быстрый и эффективный способ.

В принципе, я могу сгенерировать один длинный вектор уникальной перестановки «данных», а затем разделить его на список векторов длин «размеров», используя аргумент factor, предоставленный для разделения. Для этого мне нужна дополнительная схема идентификации для моих разных групп «данных», которая у меня есть в моем случае.

Это становится понятнее, если рассматривать его как код:

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);

Пока все как выше

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

В моем случае мне повезло, что у меня уже есть "имена" из данных. В противном случае мне пришлось бы получить их как (например)

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

Затем этот вектор «имен» можно расширить на «размеры», используя rep:

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

Затем этот новый вектор "cut.by" может быть предоставлен в качестве аргумента функции split().

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

Это делает работу, которую я искал, в порядке. Он производит выборку из фона "1:15" и разбивает результат на векторы длины "размеры" через вектор "cut.by".

Тем не менее, я все еще не доволен тем, что мне нужно пройти через дополнительный (возможно) длинный вектор, чтобы указать позиции разделения, такие как «cut.by» в приведенном выше коде. Это определенно работает, но я думаю, что для очень длинных векторов данных это может стать довольно медленным.

В любом случае спасибо за ответы и подсказки! Ваша помощь очень ценится :-)

person Lymond    schedule 03.07.2012