如何从规模为N的总样本中生成所有规模为n的可能子样本？

方法一：使用Python标准库itertools.combinations #

Python内置的itertools模块提供了现成的combinations函数，能直接生成所有长度为n的唯一组合，完全匹配你的需求。

代码示例：

import itertools

# 你的原始数值数据集
dataset = [1, 2, 3, 4, 5]
n = 2  # 子样本的规模

# 生成所有n元组合，转换为列表的列表格式
subsamples = list(map(list, itertools.combinations(dataset, n)))

print(subsamples)

输出结果：

[[1, 2], [1, 3], [1, 4], [1, 5], [2, 3], [2, 4], [2, 5], [3, 4], [3, 5], [4, 5]]

关键说明 #

• itertools.combinations(dataset, n)返回一个迭代器，每次产出一个元组形式的n元组合，组合不考虑元素顺序（即[1,2]和[2,1]视为同一个，只会生成一次），且元素顺序和原数据集保持一致。
• 用map(list, ...)将每个元组转为列表，再通过list()把整个迭代器转换成你需要的「列表的列表」格式。

方法二：手动实现组合生成（适合理解原理） #

如果不想依赖标准库，可以用回溯法手动实现组合逻辑：

def generate_combinations(dataset, n):
    result = []
    def backtrack(start_idx, current_subset):
        # 当当前子集长度达到n时，加入结果列表
        if len(current_subset) == n:
            result.append(current_subset.copy())
            return
        # 从起始索引开始遍历，避免重复组合
        for i in range(start_idx, len(dataset)):
            current_subset.append(dataset[i])
            backtrack(i + 1, current_subset)
            current_subset.pop()
    backtrack(0, [])
    return result

# 测试代码
dataset = [1, 2, 3, 4, 5]
n = 2
print(generate_combinations(dataset, n))

这个方法通过递归回溯，从数据集的起始位置开始逐步选择元素，确保生成的每个组合都是唯一且无重复的。

内容的提问来源于stack exchange，提问作者Johnny