如何高效实现从1:35中多次抽取排序后的k大小随机样本？

原代码使用replicate循环百万次调用sample和sort，每次函数调用的开销累积导致速度缓慢，以下是几种更高效的实现方案：

方案1：预生成所有组合后随机抽样（推荐k较小时使用） #

当从35个元素中抽取5个时，所有可能的无放回组合仅324632种，远小于100万次抽样需求。我们可以先一次性生成所有组合，再通过有放回抽样得到结果，完全避免循环操作，速度提升最为明显。

# 生成35选5的所有组合
all_combinations <- combn(1:35, 5)
# 随机抽取100万个组合（允许重复）
sample_indices <- sample(ncol(all_combinations), 1000000, replace = TRUE)
# 获取最终结果（5行100万列的矩阵，每列对应一个排序后的样本）
result <- all_combinations[, sample_indices]

方案2：用批量行排序替代逐行sort调用 #

若k较大导致预生成组合内存不足，可借助matrixStats包的rowSort函数（C语言实现的批量行排序），减少循环中的sort调用开销：

library(matrixStats)

n <- 1000000
k <- 5

# 生成样本矩阵（每列对应一个未排序的无放回样本）
sample_matrix <- vapply(1:n, function(x) sample(1:35, k), integer(k))
# 转置后按行排序，再转置回原结构
result <- t(rowSort(t(sample_matrix)))

方案3：优化循环调用（无需额外包） #

如果不想加载第三方包，用lapply配合do.call生成矩阵的方式，比原生replicate略高效：

n <- 1000000
k <- 5

# 生成所有排序后的样本列表，再合并为矩阵
sample_list <- lapply(1:n, function(x) sort(sample(1:35, k)))
result <- do.call(cbind, sample_list)

内容的提问来源于stack exchange，提问作者Mohan