无需使用expand.grid，高效生成多向量组合的随机样本

假设有三个向量，要从它们的所有可能组合里随机抽样本。常规做法是先用expand.grid生成所有组合的网格，再按索引挑样本，但向量规模一大，这个全网格会瞬间膨胀，占内存又拖慢速度。现在可以直接用随机索引idx和原向量生成目标样本，完全不用生成全网格。

实现思路 #

核心是把线性索引（也就是idx里的数字）转换成每个向量对应的位置索引，原理类似一维坐标转多维坐标：

• 先算z向量的位置：每length(z)个组合对应一组x和y的搭配，用取余运算就能得到z的位置
• 把剩下的索引部分用来计算y的位置，同样用取余操作
• 最后剩下的部分就是x的位置

代码示例 #

x <- 1:3
y <- 10:12
z <- 15:18

# 记录每个向量的长度
len_x <- length(x)
len_y <- length(y)
len_z <- length(z)

# 计算总组合数并生成随机索引
total_combs <- len_x * len_y * len_z
rand_idx <- sample(1:total_combs, 10, replace = FALSE)

# 将线性索引转换为各向量的位置索引
temp <- (rand_idx - 1) %/% len_z
pos_z <- ((rand_idx - 1) %% len_z) + 1
pos_y <- ((temp - 1) %% len_y) + 1
pos_x <- ((temp - 1) %/% len_y) + 1

# 生成最终样本
result <- data.frame(
  x = x[pos_x],
  y = y[pos_y],
  z = z[pos_z]
)

这个方法的优势很明显：不管原向量规模多大，内存占用只和样本量有关，完全不会出现expand.grid生成几十万甚至百万行全组合的内存爆炸问题，效率提升非常显著。

内容的提问来源于stack exchange，提问作者BerriJ