我正在尝试在长度为 14 的向量中生成 0 和 1 的所有可能组合。有没有一种简单的方法可以将该输出作为向量列表,甚至更好的数据帧?
为了更好地展示我在寻找什么,假设我只想要一个长度为 3 的向量。我希望能够生成以下内容:
(1,1,1), (0,0,0), (1,1,0), (1,0,0), (1,0,1), (0,1,0), (0,1,1), (0,0,0)
我正在尝试在长度为 14 的向量中生成 0 和 1 的所有可能组合。有没有一种简单的方法可以将该输出作为向量列表,甚至更好的数据帧?
为了更好地展示我在寻找什么,假设我只想要一个长度为 3 的向量。我希望能够生成以下内容:
(1,1,1), (0,0,0), (1,1,0), (1,0,0), (1,0,1), (0,1,0), (0,1,1), (0,0,0)
你正在寻找expand.grid
.
expand.grid(0:1, 0:1, 0:1)
或者,对于长案例:
n <- 14
l <- rep(list(0:1), n)
expand.grid(l)
tidyr
有几个类似于 的选项expand.grid()
。
tidyr::crossing()
返回一个小标题并且不将字符串转换为因子(尽管您可以这样做expand.grid(..., stringsAsFactors = F)
)。
library(tidyr)
crossing(var1 = 0:1, var2 = 0:1, var3 = 0:1)
# A tibble: 8 x 3
var1 var2 var3
<int> <int> <int>
1 0 0 0
2 0 0 1
3 0 1 0
4 0 1 1
5 1 0 0
6 1 0 1
7 1 1 0
8 1 1 1
tidyr::expand()
可以给出仅出现在数据中的值的两种组合,如下所示:
expand(mtcars, nesting(vs, cyl))
# A tibble: 5 x 2
vs cyl
<dbl> <dbl>
1 0 4
2 0 6
3 0 8
4 1 4
5 1 6
或两个变量的所有可能组合,即使数据中的数据中没有这些特定值的观察,如下所示:
expand(mtcars, vs, cyl)
# A tibble: 6 x 2
vs cyl
<dbl> <dbl>
1 0 4
2 0 6
3 0 8
4 1 4
5 1 6
6 1 8
(可以看到原始数据中没有观察到vs == 1 & cyl == 8
)
tidyr::complete()
也可以类似地使用expand.grid()
。这是文档中的一个示例:
df <- dplyr::tibble(
group = c(1:2, 1),
item_id = c(1:2, 2),
item_name = c("a", "b", "b"),
value1 = 1:3,
value2 = 4:6
)
df %>% complete(group, nesting(item_id, item_name))
# A tibble: 4 x 5
group item_id item_name value1 value2
<dbl> <dbl> <chr> <int> <int>
1 1 1 a 1 4
2 1 2 b 3 6
3 2 1 a NA NA
4 2 2 b 2 5
这为每个组提供了 item_id 和 item_name 的所有可能组合 - 它为group=2
item_id=1
and创建了一行item_name=a
。
作为@Justin 方法的替代方案,您还可以CJ
从“data.table”包中使用。在这里,我还使用了replicate
14 个零和一来创建我的列表。
library(data.table)
do.call(CJ, replicate(14, 0:1, FALSE))
# V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14
# 1: 0 0 0 0 0 0 0 0 0 0 0 0 0 0
# 2: 0 0 0 0 0 0 0 0 0 0 0 0 0 1
# 3: 0 0 0 0 0 0 0 0 0 0 0 0 1 0
# 4: 0 0 0 0 0 0 0 0 0 0 0 0 1 1
# 5: 0 0 0 0 0 0 0 0 0 0 0 1 0 0
# ---
# 16380: 1 1 1 1 1 1 1 1 1 1 1 0 1 1
# 16381: 1 1 1 1 1 1 1 1 1 1 1 1 0 0
# 16382: 1 1 1 1 1 1 1 1 1 1 1 1 0 1
# 16383: 1 1 1 1 1 1 1 1 1 1 1 1 1 0
# 16384: 1 1 1 1 1 1 1 1 1 1 1 1 1 1
我在这里讨论一种通用方法来解决所有类似类型的问题,例如这个。首先让我们看看解决方案如何随着 N 数量的增加而演变,以找出一般模式。
首先,长度为 1 的解是
0
1
现在对于长度 2,解决方案变为(由 | 分隔的第 2 列):
0 | 0 0, 0 1
1 | 1 0, 1 1
将其与长度为 1 的先前解决方案进行比较,很明显,要获得此新解决方案,我们只需将 0 和 1 附加到先前解决方案的每个(第一列,0 和 1)。
现在对于长度 3,解决方案是(第 3 列):
0 | 0 0 | 0 0 0, 0 0 1
1 | 1 0 | 1 0 0, 1 0 1
| 0 1 | 0 1 0, 0 1 1
| 1 1 | 1 1 0, 1 1 1
同样,这个新的解决方案是通过将 0 和 1 附加到每个先前的解决方案(长度为 2 的第 2 列)中获得的。
这种观察自然会导致递归解决方案。假设我们已经获得了长度 N-1 的solution(c(0,1), N-1)
解,为了获得 N 的解,我们只需将 0 和 1 附加到解 N-1 的每个项目append_each_to_list(solution(c(0,1), N-1), c(0,1))
。请注意这里更复杂的问题(解决 N)如何自然地分解为更简单的问题(解决 N-1)。
然后我们只需要将这个简单的英语翻译成 R 代码就可以了:
# assume you have got solution for a shorter length len-1 -> solution(v, len-1)
# the solution of length len will be the solution of shorter length appended with each element in v
solution <- function(v, len) {
if (len<=1) {
as.list(v)
} else {
append_each_to_list(solution(v, len-1), v)
}
}
# function to append each element in vector v to list L and return a list
append_each_to_list <- function(L, v) {
purrr::flatten(lapply(v,
function(n) lapply(L, function(l) c(l, n))
))
}
调用函数:
> solution(c(1,0), 3)
[[1]]
[1] 1 1 1
[[2]]
[1] 0 1 1
[[3]]
[1] 1 0 1
[[4]]
[1] 0 0 1
[[5]]
[1] 1 1 0
[[6]]
[1] 0 1 0
[[7]]
[1] 1 0 0
有 16384 种可能的排列。您可以使用该iterpc
包迭代地获取结果。
library(iterpc)
I = iterpc(2, 14, label=c(0,1), order=T, replace=T)
getnext(I)
# [1] 0 0 0 0 0 0 0 0 0 0 0 0 0 0
getnext(I)
# [1] 0 0 0 0 0 0 0 0 0 0 0 0 0 1
getnext(I)
# [1] 0 0 0 0 0 0 0 0 0 0 0 0 1 0
如果您想要所有结果,您仍然可以使用getall(I)
.
由于您正在处理 0 和 1,因此按照位来考虑整数似乎很自然。使用从这篇文章(下文)中略微改变的函数MyIntToBit
,以及您选择的apply
函数,我们可以获得所需的结果。
MyIntToBit <- function(x, dig) {
i <- 0L
string <- numeric(dig)
while (x > 0) {
string[dig - i] <- x %% 2L
x <- x %/% 2L
i <- i + 1L
}
string
}
如果您想要一个列表,请lapply
像这样使用:
lapply(0:(2^14 - 1), function(x) MyIntToBit(x,14))
如果您更喜欢矩阵,sapply
则可以解决问题:
sapply(0:(2^14 - 1), function(x) MyIntToBit(x,14))
以下是示例输出:
> lapply(0:(2^3 - 1), function(x) MyIntToBit(x,3))
[[1]]
[1] 0 0 0
[[2]]
[1] 0 0 1
[[3]]
[1] 0 1 0
[[4]]
[1] 0 1 1
[[5]]
[1] 1 0 0
[[6]]
[1] 1 0 1
[[7]]
[1] 1 1 0
[[8]]
[1] 1 1 1
> sapply(0:(2^3 - 1), function(x) MyIntToBit(x,3))
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,] 0 0 0 0 1 1 1 1
[2,] 0 0 1 1 0 0 1 1
[3,] 0 1 0 1 0 1 0 1
这是与先前答案不同的方法。如果您需要 1 和 0 的 14 个值的所有可能组合,这就像生成从 0 到 (2^14)-1 的所有可能数字并保持它们的二进制表示。
n <- 14
lapply(0:(2^n-1), FUN=function(x) head(as.integer(intToBits(x)),n))