从 Scala 中的 Seq 中选择元素子集的有效方法

debugcn 发表于 Dev

塞尔隆

我有一个序列

val input = Seq(1,3,4,5,9,11...)

我想随机选择它的一个子集。最快的方法是什么。

我目前是这样实现的：

//ratio是子组占全组的百分比

def randomSelect(ratio:Double): Boolean = {

   val rr=scala.util.Random
   if (rr.nextFloat() < ratio) true else false

}



val ratio = 0.3
val result = input.map(x=>(x, randomSelect(ratio))).filter(x._2).map(x=>x._1)

所以我首先为每个元素附加一个真/假标签，并过滤掉那些假元素，并取回序列的子集。

有没有更快/优势的方式？

霍伊兰

所以基本上有两种方法：

n随机选择元素
以概率包含或排除每个元素 p

您的解决方案是后者，可以简化为：

l.filter(_ => r.nextFloat < p)

（从现在开始，我正在调用列表、l实例Random r和您的比率p。）

如果你想对n元素进行精确采样，你可以这样做：

r.shuffle(l).take(n)

我比较了从 1000 个元素列表中选择 200 个元素的这些：

scala> val first = time{
 | l.map(x => (x, r.nextFloat < p)).filter(_._2).map(_._1)
 | }
 Elapsed time: 3249507ns

scala> val second = time {
 | r.shuffle(l).take(200)
 | }
 Elapsed time: 10640432ns

scala> val third = time{
 | l.filter(_ => r.nextFloat < p)}
Elapsed time: 1689009ns

删除额外的两个mapss 似乎可以将速度提高大约三分之一（这是完全有道理的）。shuffle-and-take 方法要慢得多，但可以保证你有固定数量的元素。

如果您想进行更严格的调查（即多次试验的平均值，而不是 1），我从这里借用了计时函数。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。