我希望在六个位置内排列(或组合)c("a","b","c")
,条件是始终具有具有替代元素的序列,例如abcbab
.
排列可以很容易地得到:
abc<-c("a","b","c")
permutations(n=3,r=6,v=abc,repeats.allowed=T)
我认为使用 gtools 不可能做到这一点,并且我一直在尝试为此设计一个函数 - 尽管我认为它可能已经存在。
最佳答案
由于您正在寻找排列,因此 expand.grid
可以与 permutations
一样工作。但由于你不需要相似的邻居,我们可以大大缩短它的维数。我认为这在随机方面是合法的!
前面:
r <- replicate(6, seq_len(length(abc)-1), simplify=FALSE)
r[[1]] <- c(r[[1]], length(abc))
m <- t(apply(do.call(expand.grid, r), 1, cumsum) %% length(abc) + 1)
m[] <- abc[m]
dim(m)
# [1] 96 6
head(as.data.frame(cbind(m, apply(m, 1, paste, collapse = ""))))
# Var1 Var2 Var3 Var4 Var5 Var6 V7
# 1 b c a b c a bcabca
# 2 c a b c a b cabcab
# 3 a b c a b c abcabc
# 4 b a b c a b babcab
# 5 c b c a b c cbcabc
# 6 a c a b c a acabca
<小时/>
演练:
- 由于您想要它的所有回收排列,我们可以使用
gtools::permutations
,或者我们可以使用expand.grid
...我将使用后者,我不知道它是否快得多,但它确实是我需要的捷径(稍后会详细介绍) - 在处理这样的约束时,我喜欢扩展值向量的索引
但是,由于我们不希望邻居相同,因此我认为我们不应将每行值作为直接索引,而是对它们进行求和;通过使用这个,我们可以控制累积和重新达到相同值的能力...通过从可能的列表中删除
0
和length(abc)
值,我们消除了(a)永远不会保持不变,以及(b)永远不会实际增加一个向量长度(重复相同的值)的可能性;作为演练:head(expand.grid(1:3, 1:2, 1:2, 1:2, 1:2, 1:2), n = 6) # Var1 Var2 Var3 Var4 Var5 Var6 # 1 1 1 1 1 1 1 # 2 2 1 1 1 1 1 # 3 3 1 1 1 1 1 # 4 1 2 1 1 1 1 # 5 2 2 1 1 1 1 # 6 3 2 1 1 1 1
由于第一个值可以是所有三个值,因此它是
1:3
,但每个附加值都应与其相差 1 或 2。head(t(apply(expand.grid(1:3, 1:2, 1:2, 1:2, 1:2, 1:2), 1, cumsum)), n = 6) # Var1 Var2 Var3 Var4 Var5 Var6 # [1,] 1 2 3 4 5 6 # [2,] 2 3 4 5 6 7 # [3,] 3 4 5 6 7 8 # [4,] 1 3 4 5 6 7 # [5,] 2 4 5 6 7 8 # [6,] 3 5 6 7 8 9
好吧,这似乎没什么用(因为它超出了向量的长度),所以我们可以调用模运算符和移位(因为模返回从 0 开始,我们想要从 1 开始):
head(t(apply(expand.grid(1:3, 1:2, 1:2, 1:2, 1:2, 1:2), 1, cumsum) %% 3 + 1), n = 6) # Var1 Var2 Var3 Var4 Var5 Var6 # [1,] 2 3 1 2 3 1 # [2,] 3 1 2 3 1 2 # [3,] 1 2 3 1 2 3 # [4,] 2 1 2 3 1 2 # [5,] 3 2 3 1 2 3 # [6,] 1 3 1 2 3 1
要验证此方法是否有效,我们可以对每一行进行
diff
并查找0
:m <- t(apply(expand.grid(1:3, 1:2, 1:2, 1:2, 1:2, 1:2), 1, cumsum) %% 3 + 1) any(apply(m, 1, diff) == 0) # [1] FALSE
为了自动将其转换为任意向量,我们借助
replicate
来生成可能向量的列表:r <- replicate(6, seq_len(length(abc)-1), simplify=FALSE) r[[1]] <- c(r[[1]], length(abc)) str(r) # List of 6 # $ : int [1:3] 1 2 3 # $ : int [1:2] 1 2 # $ : int [1:2] 1 2 # $ : int [1:2] 1 2 # $ : int [1:2] 1 2 # $ : int [1:2] 1 2
然后
do.call
展开它。如果你有索引矩阵,
head(m) # Var1 Var2 Var3 Var4 Var5 Var6 # [1,] 2 3 1 2 3 1 # [2,] 3 1 2 3 1 2 # [3,] 1 2 3 1 2 3 # [4,] 2 1 2 3 1 2 # [5,] 3 2 3 1 2 3 # [6,] 1 3 1 2 3 1
然后用向量的值替换每个索引:
m[] <- abc[m] head(m) # Var1 Var2 Var3 Var4 Var5 Var6 # [1,] "b" "c" "a" "b" "c" "a" # [2,] "c" "a" "b" "c" "a" "b" # [3,] "a" "b" "c" "a" "b" "c" # [4,] "b" "a" "b" "c" "a" "b" # [5,] "c" "b" "c" "a" "b" "c" # [6,] "a" "c" "a" "b" "c" "a"
然后我们
cbind
统一的字符串(通过apply
和paste
)
性能:
library(microbenchmark)
library(dplyr)
library(tidyr)
library(stringr)
microbenchmark(
tidy1 = {
gtools::permutations(n = 3, r = 6, v = abc, repeats.allowed = TRUE) %>%
data.frame() %>%
unite(united, sep = "", remove = FALSE) %>%
filter(!str_detect(united, "([a-c])\\1"))
},
tidy2 = {
filter(unite(data.frame(gtools::permutations(n = 3, r = 6, v = abc, repeats.allowed = TRUE)),
united, sep = "", remove = FALSE),
!str_detect(united, "([a-c])\\1"))
},
base = {
r <- replicate(6, seq_len(length(abc)-1), simplify=FALSE)
r[[1]] <- c(r[[1]], length(abc))
m <- t(apply(do.call(expand.grid, r), 1, cumsum) %% length(abc) + 1)
m[] <- abc[m]
},
times=10000
)
# Unit: microseconds
# expr min lq mean median uq max neval
# tidy1 1875.400 2028.8510 2446.751 2165.651 2456.051 12790.901 10000
# tidy2 1745.402 1875.5015 2284.700 2000.051 2278.101 50163.901 10000
# base 796.701 871.4015 1020.993 919.801 1021.801 7373.901 10000
我尝试了中缀(非%>%
)tidy2版本只是为了好玩,虽然我相信理论上它会更快,但我没有意识到它会节省超过7%的费用运行时间。 (50163 可能是 R 垃圾收集,而不是“真实的”。)我们为可读性/可维护性付出的代价。
关于arrays - 6 个位置内 3 个元素的排列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53566191/