从数据子集采样

Question

我有以下问题。

我有多个子数组（比如 2），我用字符标签（1、2、3、4、5）填充了这些子数组。我的算法根据出现概率随机选择标签。

我怎样才能让 R 为子数组 1 选择标签 1:3，为子数组 2 选择标签 4:5，例如，不使用子集（即 []）。也就是说，我希望为每个子数组选择一个随机的标签子集，而不是使用 [] 手动分配给每个子数组的所有标签。

我知道 sample() 应该会有所帮助。

使用子集（我不想要）可以做

x <- 1:5

sample(x[1:3], size, prob = probs[1:3])

但这会将标签 1:3 分配给所有子数组。

会

sample(sample(x), size, replace = TRUE, prob = probs)

工作？

有什么想法吗？如果不清楚，请告诉我。

这是一个小例子，它为 10 个子数组中的每一个选择 1:5 的标签。

set.seed(1)

N <- 10
K <- 2
Hstar <- 5
probs <- rep(1/Hstar, Hstar)
perms <- 5

## Set up container(s) to hold the identity of each individual from each permutation ##

num.specs <- ceiling(N / K)

## Create an ID for each haplotype ##

haps <- 1:Hstar

## Assign individuals (N) to each subpopulation (K) ##

specs <- 1:num.specs

## Generate permutations, assume each permutation has N individuals, and sample those individuals' haplotypes from the probabilities ##

gen.perms <- function() {
    sample(haps, size = num.specs, replace = TRUE, prob = probs) # I would like each subarray to contain a random subset of 1:5.
}

pop <- array(dim = c(perms, num.specs, K))

for (i in 1:K) {
    pop[,, i] <- replicate(perms, gen.perms())
}
pop

希望这会有所帮助。

Answer 1

我认为你真正想要的是这样的东西

num.specs <- 3
haps[sample(seq(haps),size = num.specs,replace = F)]
[1] 3 5 4

那是你的向量的随机子集吗？

Answer 2

不是你想要的（返回矩阵列表而不是 3D 数组），但这可能会有所帮助

lapply(split(1:5, cut(1:5, breaks=c(0, 2, 5))), function(i) matrix(sample(i, 25, replace=TRUE), ncol=5))

使用cut 和split 在对字符标签向量进行采样之前对其进行分区。在这里，我将您的字符标签拆分为值 2。此外，您可以采样 25 个数字一次，而不是 5 次采样 5 个数字，然后转换为矩阵。