许多程序需要(看似)随机的值来模拟现实世界中的事件。
常见且熟悉的例子包括:
"H"或"T"。用计算机生成真正随机的值是一项出奇困难的技术挑战,因此这些结果有时会被称为“伪随机”。
重要:本概念不涉及密码学安全的随机数,那是一项困难得多的挑战。
不过,R 源自一个统计软件包,常被用于模拟,因此它提供了丰富多样的生成随机值的方法。对于建模、模拟和游戏中的大多数应用来说,这些结果已经足够好了。
假设我们有一个袋子,里面有 3 个红球和 4 个绿球,我们随机从袋子里摸出一个球。要再摸第二个球,有两种可能:
情形 1 是有放回,情形 2 是无放回,两者会给出不同的结果。
sample生成离散值要从有限数量的离散值中选取,可以带放回或不带放回地使用sample()。这对整数、字符串等都很有用。
sample(1:10, 5) # no repeats by default
#> [1] 8 3 4 2 6
sample(1:10, 5, replace = TRUE) # repeats are OK
#> [1] 10 10 7 10 9
languages <- c("Fortran", "R", "Python", "Julia")
sample(languages, 1)
#> [1] "Python"
sample(c("H", "T"), 5, replace = TRUE) # coin flips
#> [1] "T" "T" "H" "H" "H"
sample(c(TRUE, FALSE), 5, replace = TRUE) # alternative coin flips
#> [1] FALSE TRUE FALSE TRUE TRUE
抽样很适合放进数据管道。例如,生成随机的字母数字字符串:
library(stringr)
c(letters, LETTERS, 0:9) |> sample(50) |> str_flatten()
#> [1] "5tX71jhbM9zUmKrpENBQyGYaZdJPVAx06leSF2s8gcfw3OviIH"
其他几门语言都提供了专门打乱序列的函数。
R 没有洗牌函数。为什么?
要理解这一点,再来看一眼sample函数。
完整形式是sample(x, size, replace = FALSE, prob = NULL),其中x(通常)是要从中抽样的序列,size是要选取的元素个数。
我们已经讨论过replace,它的默认值是无放回抽样。现在先忽略prob,它可以让你为x中的各个元素赋予不相等的权重。
如果省略size,只提供x,会发生什么?
x <- letters[1:6]
x
#> [1] "a" "b" "c" "d" "e" "f"
sample(x)
#> [1] "e" "a" "f" "b" "c" "d"
以典型的 R 风格,这个模式是输入向量、输出向量,而size默认为length(x)。
“对x的所有元素做无放回抽样”只是“打乱x”的一种更技术化的说法。
因此,没有shuffle函数,因为sample已经完全做到了我们需要的事!
上面的例子描述的都是所有结果等可能的情形。例如,sample(1:100)给出 1 到 100 之间任意整数的概率相同。
这称为uniform分布。
许多现实世界的情形远比这复杂。因此,统计学家创造了各种各样的distributions,用数学方式描述“现实世界”的结果。
要生成等权重的浮点数分布,请使用runif()(重点看“random-uniform”,并抵制把它读成“run if”这种自然但错误的倾向)。min和max都可以指定,默认值分别为 0 和 1。
runif(5) # generate 5 values
#> [1] 0.3038506 0.3527959 0.3319309 0.4846354 0.4386279
# generate 5 non-negative values <= 100.0
runif(5, max = 100)
#> [1] 79.70762 51.62232 52.85281 71.08571 63.94380
玛丽是电视剧 Star Trek: The Next Generation 的超级粉丝。她经常玩纸笔角色扮演游戏,在游戏里,她和朋友们会假扮成 Starship Enterprise 的船员。
玛丽扮演的是皮卡德舰长,所以她得负责记录舰长日志。她很喜欢游戏里需要发挥创意的部分,却不喜欢临场编造随机数据。
来帮帮玛丽吧,为舰长日志里常见的数据写几个随机生成器。
Starship Enterprise 在航行途中会遇到许多行星。在 Star Trek 的世界里,行星会根据自身的属性被划分成不同的类别。比如,地球就是一颗 M 级行星。所有可能的行星等级有:D、H、J、K、L、M、N、R、T 和 Y。
实现random_planet_class函数。它应该以向量的形式,随机返回所需数量的行星等级。允许出现重复的等级,而且向量较长时可能就需要重复。
random_planet_class(number_needed)
#> "K"
Enterprise(注册号 NCC-1701)并不是唯一在飞的星舰!当它与其他星舰会合时,玛丽需要记录那艘星舰的注册号。
注册号以“NCC-”前缀开头,后面跟一个 1000 到 9999(含)之间的数字。
实现random_ship_registry_number函数,让它返回一个随机的星舰注册号。
random_ship_registry_number()
#> "NCC-1947"
游戏有一个版本需要与其他星舰互动,玛丽得从中挑选一些。
可能出现的星舰有一整份清单,但每局游戏只需要其中几艘,而且应该随机挑选。
实现shuffle_starships(starships)函数,它接收一个由互不重复的星舰注册号组成的向量,返回一个长度相同、但星舰顺序被打乱的向量。这样玛丽就能轻松地从向量开头随机取出任意数量的星舰。
结果中的值都应取自starships,且不能有重复。
shuffle_starships(c("NCC-5011", "NCC-1228", "NCC-7039", "NCC-3978", "NCC-1476"))
#> [1] "NCC-1476" "NCC-7039" "NCC-3978" "NCC-5011" "NCC-1228"
日志里要是没有日期,那还有什么用?
星历是一个浮点数。The Next Generation 第一季中 Starship Enterprise 的冒险发生在星历 41000.0 到 42000.0 之间。“4”代表 24 世纪,“1”代表第一季。
实现random_stardate函数,返回一个介于 41000.0 和 42000.0 之间的浮点数。
random_stardate()
#> 41037.6