基于R语言统计硬币翻转序列频率：扩展至任意长度方法咨询

你的两次尝试都不正确，因为没有生成真正连续的3次硬币翻转序列。比如，3次序列应该是第1-3次、第2-4次……第998-1000次的连续组合，而你的代码里重复使用head或tail，导致序列元素并非连续偏移。

正确统计3次翻转序列的代码 #

# 生成连续的3次翻转序列
Triples <- data.frame(
  first = My_Data$Results[1:(nrow(My_Data)-2)],
  second = My_Data$Results[2:(nrow(My_Data)-1)],
  third = My_Data$Results[3:nrow(My_Data)]
)
# 统计频率
Final <- as.data.frame(table(Triples))

这段代码通过索引偏移，分别取出每一组连续的3个翻转结果，比如第1、2、3个元素组成第一组，第2、3、4个组成第二组，以此类推，最终得到的才是真实的3次翻转序列频率。

1. 适配任意长度序列的通用逻辑 #

可以写一个通用函数，支持传入任意序列长度k，自动生成对应长度的连续序列并统计频率：

count_sequences <- function(results, k) {
  total_flips <- length(results)
  if (k > total_flips) stop("序列长度不能超过总翻转次数")
  
  # 生成k个偏移后的结果向量：第1个向量从第1位开始，第2个从第2位开始...第k个从第k位开始
  sequence_list <- lapply(0:(k-1), function(offset) {
    results[(1 + offset):(total_flips - k + 1 + offset)]
  })
  
  # 转换为数据框并设置列名
  sequence_df <- do.call(data.frame, sequence_list)
  colnames(sequence_df) <- paste0("pos", 1:k)
  
  # 统计频率并返回
  as.data.frame(table(sequence_df))
}

# 示例：统计3次序列
count_sequences(My_Data$Results, 3)
# 示例：统计5次序列
count_sequences(My_Data$Results, 5)

函数核心逻辑是通过索引偏移生成每一组连续序列：对于长度为k的序列，总共有total_flips - k + 1组，每组的元素分别是原结果中第i、i+1...i+k-1位的元素。

2. 大数据量下的高效计算方法 #

当数据量极大（如百万次以上翻转），用多列数据框+table的方法效率较低，推荐将连续序列拼接成字符串，再用高效的分组统计工具处理：

方法1：字符串拼接+基础table #

count_sequences_fast <- function(results, k) {
  total_flips <- length(results)
  if (k > total_flips) stop("序列长度不能超过总翻转次数")
  
  # 将每组连续k个翻转结果拼接成字符串（如"HHH"、"HTT"）
  sequences <- sapply(1:(total_flips - k + 1), function(i) {
    paste(results[i:(i+k-1)], collapse = "")
  })
  
  # 统计频率并返回数据框
  as.data.frame(table(sequences), stringsAsFactors = FALSE)
}

方法2：用dplyr加速分组统计 #

library(dplyr)

count_sequences_dplyr <- function(results, k) {
  total_flips <- length(results)
  if (k > total_flips) stop("序列长度不能超过总翻转次数")
  
  sequences <- sapply(1:(total_flips - k + 1), function(i) {
    paste(results[i:(i+k-1)], collapse = "")
  })
  
  # 用dplyr的count高效统计
  tibble(sequence = sequences) %>% 
    count(sequence, name = "Freq")
}

方法3：用data.table实现极致效率 #

如果数据量达到千万级，data.table的分组统计速度远快于基础函数和dplyr：

library(data.table)

count_sequences_dt <- function(results, k) {
  total_flips <- length(results)
  if (k > total_flips) stop("序列长度不能超过总翻转次数")
  
  sequences <- sapply(1:(total_flips - k + 1), function(i) {
    paste(results[i:(i+k-1)], collapse = "")
  })
  
  # data.table分组计数
  data.table(sequence = sequences)[, .(Freq = .N), by = sequence]
}

这些方法的核心是将多元素序列转换为单一字符串，减少数据结构的复杂度，同时利用高效的分组统计工具提升计算速度。

内容的提问来源于stack exchange，提问作者stats_noob