在R语言中按约束将含重复值的向量随机分组

需求说明 #

需要将包含重复值的数值向量随机分配到数量更少的分组中，满足以下约束：

• 每组元素数量在2-4之间
• 同一分组内无重复的原始数值
• 所有元素必须分配到分组中

问题分析 #

原代码split(values, sample(groups, length(values), repl = TRUE))的问题在于：

• 随机分配时未限制每组元素数量，会出现1个或超过4个元素的分组
• 未规避同一原始数值的多个实例被分到同一组的情况

解决方案代码 #

我们可以通过给重复值添加唯一标识、迭代构建符合约束的分组来解决问题：

# 示例数据
values <- c(2499,2499,2522,2522,2522,2522,2648,2648,2652,2652,2670,2670,2689,2689,2690,2690,2693,2693,2700,2700,2706,2706,2714,2714,2730,2730,2738,2738,2740,2740,2765,2765,2768,2768,2773,2773,2783,2783,2794,2794,2798,2798,2807,2807,2812,2812,2831,2831,2831,2835,2835,2836,2836,2836,2844,2844,2844,2846,2846,2846,2883,2883,2964,2964)

# 1. 给每个重复值添加唯一后缀，区分同一数值的不同实例
values_with_id <- paste0(values, "_", ave(values, values, FUN = seq_along))

# 2. 定义生成符合约束分组的函数
create_valid_groups <- function(items, min_size = 2, max_size = 4) {
  remaining <- items
  groups <- list()
  
  while (length(remaining) > 0) {
    # 确定当前组的可选大小范围
    current_max <- min(max_size, length(remaining))
    current_size <- sample(min_size:current_max, 1)
    
    # 随机选取元素，确保组内无重复原始值
    valid_group <- NULL
    while (is.null(valid_group)) {
      candidate <- sample(remaining, current_size)
      original_vals <- sub("_\\d+$", "", candidate)
      if (length(unique(original_vals)) == current_size) {
        valid_group <- candidate
      }
    }
    
    # 将符合条件的组加入结果，并移除已分配元素
    groups[[length(groups) + 1]] <- valid_group
    remaining <- setdiff(remaining, valid_group)
  }
  
  # 还原原始数值并给分组命名
  groups <- lapply(groups, function(x) as.numeric(sub("_\\d+$", "", x)))
  names(groups) <- paste0("Group", seq_along(groups))
  
  return(groups)
}

# 3. 生成符合要求的分组
result_groups <- create_valid_groups(values_with_id)

验证约束 #

可以通过以下代码验证分组是否符合要求：

# 检查每组元素数量（应全部在2-4之间）
sapply(result_groups, length)

# 检查每组是否存在重复值（应全部返回TRUE）
sapply(result_groups, function(x) length(unique(x)) == length(x))

注意事项 #

• 确保总元素数满足分组可行性：总元素数n需满足 ceil(n/4) ≤ 目标组数 ≤ floor(n/2)，示例数据共64个元素，目标组数26在16-32之间，完全可行。
• 若剩余元素不足min_size（如最后剩余1个），需提前调整分组逻辑，但示例数据的元素数量不会出现这种情况。

内容的提问来源于stack exchange，提问作者James Daniel Johnston