R语言有限试验次数的优惠券收集问题函数实现求助

卡顿原因 #

你的Collectathon2函数卡顿的核心问题有两个：

1. 循环条件错误：变量Trials是数值型变量，length(Trials)永远等于1，当t>1时，length(Trials) < t会一直为TRUE，导致循环无限运行，程序卡死。
2. 性能低效：每次循环执行unique(c(Collected_Coupons, New_Coupon))，随着循环次数增加，向量不断变长，合并+去重的耗时会指数级增长。

修复方案 #

基础修复版（解决循环卡死问题） #

修正循环条件为Trials < t，保留原有逻辑：

Collectathon2 <- function(n, t){
  Collected_Coupons <- c()
  Trials <- 0
  
  while (Trials < t) {
    New_Coupon <- sample(n, 1)
    Collected_Coupons <- unique(c(Collected_Coupons, New_Coupon))
    Trials <- Trials + 1
  }
  return(length(Collected_Coupons))
}

高性能优化版（解决效率问题） #

用逻辑向量记录已收集的优惠券，避免每次合并去重的开销，适合大n和大t的场景：

Collectathon2 <- function(n, t){
  # 初始化逻辑向量，标记对应优惠券是否被收集
  collected <- logical(n)
  trials_done <- 0
  
  while (trials_done < t) {
    new_coupon <- sample(n, 1)
    collected[new_coupon] <- TRUE
    trials_done <- trials_done + 1
  }
  
  # 统计已收集的唯一优惠券数量
  return(sum(collected))
}

极简向量化实现 #

直接生成t次抽样结果，统计唯一值数量，完全避免循环，效率最高：

Collectathon2 <- function(n, t){
  length(unique(sample(n, t, replace = TRUE)))
}

优化逻辑说明 #

• 逻辑向量标记方式：每次操作都是O(1)的索引修改，时间复杂度为O(t)，远优于原代码的O(t²)。
• 向量化实现：R内置的sample和unique是底层优化的C代码，比手动循环快得多，尤其当t很大时差距明显。

内容的提问来源于stack exchange，提问作者wec