許多程式需要(看似)隨機的值來模擬真實世界的事件。
常見又熟悉的例子包括:
"H"或"T"。用電腦產生真正隨機的值,是出乎意料地困難的技術挑戰,所以你可能會看到這類結果被稱為「偽隨機」。
重要:這個概念不涵蓋密碼學上安全的隨機數,那是困難得多的挑戰。
不過,R 衍生自統計套件,而且經常用於模擬,因此它提供了各式各樣產生隨機值的方法。這些結果對大多數的建模、模擬與遊戲應用來說都已經夠好了。
想像袋子裡有 3 顆紅球和 4 顆綠球,我們隨機從袋子裡抽出一顆球。要再抽第二顆球,有兩種做法:
情境 1 是放回取樣,情境 2 是不放回取樣,而兩者得到的結果不同。
sample處理離散值若要從有限個離散值中挑選,可以使用sample(),並選擇放回或不放回。這對整數、字串等都很實用。
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
取樣很適合放進資料流程裡。舉例來說,要產生隨機的英數字字串:
library(stringr)
c(letters, LETTERS, 0:9) |> sample(50) |> str_flatten()
#> [1] "5tX71jhbM9zUmKrpENBQyGYaZdJPVAx06leSF2s8gcfw3OviIH"
其他幾種語言有專門用來洗牌的函式。
R 沒有洗牌函式。為什麼呢?
要理解這點,再仔細看看sample函式。
完整形式是sample(x, size, replace = FALSE, prob = NULL),其中x(通常)是要取樣的序列,size是要挑選的項目數。
我們已經討論過replace,它的預設值是不放回取樣。現在先忽略prob,它讓你可以給x中各個元素不同的權重。
如果我們省略size,只提供x,會發生什麼事?
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 風格來說,這個模式是「向量進、向量出」,而size預設為length(x)。
「從x中不放回地抽出所有元素」,只是「洗牌x」比較技術性的說法。
因此,沒有shuffle函式,因為sample已經正好做到我們需要的事!
上面的例子描述的是所有結果出現機率都相同的情況。例如,sample(1:100)產生 1 到 100 之間任何整數的機率都相同。
這稱為uniform分佈。
許多真實世界的情況遠比這單純。因此,統計學家建立了各式各樣的distributions,用數學方式描述「真實世界」的結果。
若要在浮點數上取得等權重的分佈,請用runif()(重點擺在「random-uniform」,並克制把它讀成「run if」這個自然但錯誤的傾向)。min和max都可以指定,不過預設值是 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
Mary 是電視劇 Star Trek: The Next Generation 的超級粉絲。 她經常玩紙筆角色扮演遊戲,在遊戲裡她和朋友們會假扮成 Starship Enterprise 的船員。
Mary 的角色是畢凱艦長,這意味著她必須負責記錄艦長日誌。 她很喜歡遊戲中充滿創意的部分,卻不喜歡臨時產生隨機資料。
請幫 Mary 撰寫隨機產生器,用來產生艦長日誌中常見的資料。
Starship Enterprise 在旅途中會遇到許多行星。 星艦宇宙中的行星會依其特性分成不同類別。 例如,地球是 M 級行星。所有可能的行星級別為:D、H、J、K、L、M、N、R、T 和 Y。
實作 random_planet_class 函式。
它應該隨機回傳指定數量的行星級別,並以向量形式呈現。
重複的級別是可以接受的,而且在向量較長時可能是必要的。
random_planet_class(number_needed)
#> "K"
Enterprise(註冊編號 NCC-1701)不是唯一在宇宙中飛行的星艦! 當它與另一艘星艦會合時,Mary 需要記錄那艘星艦的註冊編號。
註冊編號以「NCC-」開頭,接著是 1000 到 9999(含)之間的數字。
實作 random_ship_registry_number 函式,它會回傳隨機的星艦註冊編號。
random_ship_registry_number()
#> "NCC-1947"
遊戲的其中一個版本會與其他星艦互動,而 Mary 需要挑選一些星艦。
雖然有完整的可能星艦清單,但每場遊戲只需要其中幾艘,而且應該隨機挑選。
實作 shuffle_starships(starships) 函式,它接收一個由不重複星艦註冊編號組成的向量,並回傳長度相同、星艦順序隨機排列的向量。
這樣一來,Mary 就能輕鬆從向量的開頭隨機取出任意數量的星艦。
結果中的值必須取自 starships,且不能有重複。
shuffle_starships(c("NCC-5011", "NCC-1228", "NCC-7039", "NCC-3978", "NCC-1476"))
#> [1] "NCC-1476" "NCC-7039" "NCC-3978" "NCC-5011" "NCC-1228"
如果日誌裡沒有日期,那還有什麼用呢?
星曆是一個浮點數。 在 The Next Generation 第一季中,Starship Enterprise 的冒險發生在星曆 41000.0 到 42000.0 之間。 開頭的「4」代表 24 世紀,「1」代表第一季。
實作 random_stardate 函式,它會回傳一個介於 41000.0 和 42000.0 之間的浮點數。
random_stardate()
#> 41037.6