数组随机采样有三种高效方法：1.fisher-yates shuffle改进版效率高，时间复杂度接近o(k)，通过交换元素实现随机采样；2.sort方法结合math.random实现简单但效率较低，时间复杂度为o(n log n)；3.使用set记录已选元素适用于样本量较小的情况，避免重复选择。根据数组大小、样本量、是否需保留原数组及性能要求选择合适方法，如数组很大或性能关键优先选第一种，样本小可用第三种，需保留原数组可创建副本。
数组随机采样，简单说就是在数组中随机抽取若干个元素。实现方式有很多，但效率各有不同。这里分享三种我个人觉得比较高效且实用的方法，希望能帮到你。
解决方案
-
Fisher-Yates Shuffle 改进版 (最常用)
这方法的核心思想是每次从未处理的元素中随机选择一个，然后与当前位置的元素交换。这样保证每个元素被选中的概率相同。
function sampleArray(arr, sampleSize) { const n = arr.length; if (sampleSize > n) { throw new Error("Sample size cannot be greater than array length"); } // 创建数组的副本，避免修改原数组 const shuffled = [...arr]; for (let i = 0; i < sampleSize; i++) { // 从剩余未处理的元素中随机选择一个 const randomIndex = i + Math.floor(Math.random() * (n - i)); // 交换当前位置和随机位置的元素 [shuffled[i], shuffled[randomIndex]] = [shuffled[randomIndex], shuffled[i]]; } // 返回前 sampleSize 个元素 return shuffled.slice(0, sampleSize); } // 示例 const myArray = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]; const sample = sampleArray(myArray, 3); console.log(sample); // 输出类似 [3, 7, 1] 的结果，每次运行结果可能不同- 优点: 效率高，时间复杂度接近 O(k)，k 为 sampleSize。直接在原数组上操作（副本），空间复杂度低。
- 缺点: 会修改数组的副本，如果需要保持原数组不变，需要先复制一份。
-
使用
sort方法 +Math.random(简单但效率较低)利用数组的
sort方法，结合Math.random来打乱数组，然后取前sampleSize个元素。function sampleArraySort(arr, sampleSize) { const shuffled = [...arr].sort(() => Math.random() - 0.5); // 创建副本并打乱 return shuffled.slice(0, sampleSize); } // 示例 const myArray = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]; const sample = sampleArraySort(myArray, 3); console.log(sample);- 优点: 实现简单，代码简洁。
-
缺点: 效率较低，
sort方法的时间复杂度通常是 O(n log n)，即使只需要少量样本。Math.random() - 0.5这种写法在某些JS引擎下可能导致性能问题。
-
使用 Set 记录已选元素 (适用于样本量较小的情况)
这种方法适用于从一个相对较大的数组中抽取少量样本的情况。使用
Set数据结构来记录已经选择的元素，避免重复选择。function sampleArraySet(arr, sampleSize) { const n = arr.length; if (sampleSize > n) { throw new Error("Sample size cannot be greater than array length"); } const sample = []; const seen = new Set(); while (sample.length < sampleSize) { const randomIndex = Math.floor(Math.random() * n); if (!seen.has(randomIndex)) { sample.push(arr[randomIndex]); seen.add(randomIndex); } } return sample; } // 示例 const myArray = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]; const sample = sampleArraySet(myArray, 3); console.log(sample);- 优点: 保证不会重复选择元素。
-
缺点: 当
sampleSize接近n时，效率会降低，因为需要不断生成随机数并检查是否已被选择。
如何选择最适合你的采样方法？
考虑以下因素：
- 数组大小: 如果数组非常大，Fisher-Yates Shuffle改进版通常是最佳选择。
- 样本大小: 如果样本量非常小，使用Set记录的方法可能更有效。
- 是否需要保持原数组不变: 如果需要保持原数组不变，务必先创建副本。
- 性能要求: 如果性能是关键，优先考虑Fisher-Yates Shuffle改进版。
数组元素采样后，如何进行数据分析？
采样只是第一步。拿到样本数据后，可以进行各种数据分析，例如：
- 计算统计指标: 计算样本的平均值、中位数、方差等，以估计总体的情况。
- 可视化数据: 使用图表（例如直方图、散点图）来展示样本数据的分布情况，帮助发现潜在的模式。
- 假设检验: 利用样本数据来验证一些假设，例如某个属性是否对结果有显著影响。
如何处理数组中存在重复元素的情况？
以上方法默认情况下会保留重复元素出现的概率。 如果需要保证采样结果中每个元素都是唯一的，即使原数组有重复，可以考虑以下策略：
-
在采样前去重: 使用
Set或其他方法先将原数组去重，然后再进行采样。 - 采样后去重: 采样完成后，再对样本进行去重。 这种方法可能导致样本数量不足，需要重新采样直到满足样本大小的要求。
- 修改采样算法: 修改 Fisher-Yates Shuffle 算法，在交换元素时，检查要交换的元素是否已经存在于已选样本中，如果存在则重新选择。
除了JS，其他语言如何实现数组随机采样？
几乎所有编程语言都提供了数组随机采样的功能，只是具体的实现方式和函数名称可能不同。例如：
-
Python: 可以使用
random.sample()函数。 -
Java: 可以使用
java.util.Random类结合循环来实现。 -
C++: 可以使用
std::shuffle函数。
了解不同语言的实现方式，可以帮助你更好地理解随机采样的原理，并在不同的项目中使用最合适的工具。
