4

是否可以从基数 R中获得相同sample的整数？Rcppsample

我尝试过使用Rcpp::sample，Rcpp::RcppArmadillo::sample但它们没有返回相同的值——下面的示例代码。此外，帖子https://gallery.rcpp.org/articles/using-the-Rcpp-based-sample-implementation/的快速示例部分从基础 R 返回相同的样本，但是，我无法重现这些结果（我最后附上此代码）。Rcpp

可以这样做/请问我做错了什么？

我的尝试：

// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
#include <RcppArmadilloExtensions/sample.h>

// [[Rcpp::export]]
Rcpp::IntegerVector mysamp1( int n) {
  Rcpp::IntegerVector v = Rcpp::sample(n, n);
  return v;
}

// [[Rcpp::export]]
Rcpp::IntegerVector mysamp2(int n) {  
  Rcpp::IntegerVector i = Rcpp::seq(1,n);
  Rcpp::IntegerVector v = wrap(Rcpp::RcppArmadillo::sample(i,n,false));
  return v;
}

// set seed https://stackoverflow.com/questions/43221681/changing-rs-seed-from-rcpp-to-guarantee-reproducibility
// [[Rcpp::export]]
void set_seed(double seed) {
  Rcpp::Environment base_env("package:base");
  Rcpp::Function set_seed_r = base_env["set.seed"];
  set_seed_r(std::floor(std::fabs(seed)));
}

// [[Rcpp::export]]
Rcpp::IntegerVector mysamp3( int n, int seed) {
  set_seed(seed); 
  Rcpp::IntegerVector v = Rcpp::sample(n, n);
  return v;
}


/***R
set.seed(1)
sample(10)
#  [1]  9  4  7  1  2  5  3 10  6  8
set.seed(1)
mysamp1(10)
#  [1]  3  4  5  7  2  8  9  6 10  1
set.seed(1)
mysamp2(10)
#  [1]  3  4  5  7  2  8  9  6 10  1
mysamp3(10, 1)
#  [1]  3  4  5  7  2  8  9  6 10  1

*/

来自使用 RcppArmadillo-based Implementation of R's sample()库帖子的代码，该代码返回FALSE我的系统：

// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadilloExtensions/sample.h>
using namespace Rcpp ;

// [[Rcpp::export]]
CharacterVector csample_char( CharacterVector x, 
                              int size,
                              bool replace, 
                              NumericVector prob = NumericVector::create()) {
  CharacterVector ret = RcppArmadillo::sample(x, size, replace, prob) ;
  return ret ;
}

/*** R
N <- 10
set.seed(7)
sample.r <- sample(letters, N, replace=T)

set.seed(7)
sample.c <- csample_char(letters, N, replace=T)

print(identical(sample.r, sample.c))
# [1] FALSE
*/
4

1 回答 1

6

将评论编译成答案。Akrun 指出，通过设置RNGkind或者RNGversion我们可以复制结果。来自 DirkEddelbuettel；“R 的 RNG 发生了变化，因为有人注意到 IIRC 使用采样（N 非常大）存在偏差。这就是为什么你要在 R 中打开一个选项来获得旧的（匹配）行为." 并且 RalfStubner 表示这是一个已知问题：https ://github.com/RcppCore/RcppArmadillo/issues/250和https://github.com/RcppCore/Rcpp/issues/945

目前 R 使用不同的默认采样器，这会导致不同的结果

RNGkind(sample.kind = "Rejection")
set.seed(1)
sample(10)
# [1]  9  4  7  1  2  5  3 10  6  8
set.seed(1)
mysamp1(10)
# [1]  3  4  5  7  2  8  9  6 10  1

但是，可以使用早期版本

RNGkind(sample.kind = "Rounding")
#Warning message:
#  In RNGkind("Mersenne-Twister", "Inversion", "Rounding") : non-uniform 'Rounding' sampler used

set.seed(1)
sample(10)
# [1]  3  4  5  7  2  8  9  6 10  1
set.seed(1)
mysamp1(10)
# [1]  3  4  5  7  2  8  9  6 10  1
于 2020-02-07T19:57:22.920 回答