如何随机选取DataFrame列且避免重复选取？

嘿，这个问题我之前也碰到过！直接删列确实不是最优雅的办法，这里有几个更灵活的方案供你参考，完全不会改动原始的DataFrame：

如果已经知道大概要选取多少次，或者想一次性规划好所有列的选取顺序，这个方法最省心：先把所有列名随机打乱，然后按顺序逐个取用就行，天然不会重复。

# 第一步：一次性生成所有列名的随机打乱序列
col_sequence <- sample(colnames(data))
# 用一个索引跟踪当前取到第几个列
current_idx <- 1

# 第一次选取列
selected_col <- col_sequence[current_idx]
random_data_vector <- data[, selected_col]
current_idx <- current_idx + 1

# 第二次选取（自动避开已选列）
selected_col <- col_sequence[current_idx]
random_data_vector <- data[, selected_col]
current_idx <- current_idx + 1

要是想知道还剩哪些没选的列，直接看col_sequence[current_idx:length(col_sequence)]就行；需要重置选取状态的话，重新跑一遍col_sequence <- sample(colnames(data))就好。

如果不确定要选多少次，或者想随时停止/重启，维护一个“剩余列”的列表会更灵活：每次从剩余列里抽样，然后把选中的列从列表里移除。

# 初始化剩余列列表
remaining_cols <- colnames(data)

# 第一次选取
selected_idx <- sample(length(remaining_cols), 1)
selected_col <- remaining_cols[selected_idx]
random_data_vector <- data[, selected_col]
# 从剩余列表中移除已选列
remaining_cols <- remaining_cols[-selected_idx]

# 第二次选取
selected_idx <- sample(length(remaining_cols), 1)
selected_col <- remaining_cols[selected_idx]
random_data_vector <- data[, selected_col]
remaining_cols <- remaining_cols[-selected_idx]

这个方法的好处是，你可以随时检查remaining_cols的长度，判断是不是所有列都选完了，而且完全不会碰原始数据。

如果需要多次在不同地方调用选取逻辑，把状态封装在函数里会更整洁，避免全局变量污染。我们可以用R的环境来存储剩余列的状态：

# 创建一个专属环境来存储剩余列，避免污染全局环境
col_env <- new.env()
col_env$remaining <- colnames(data)

# 定义一个可重复调用的选取函数
select_unique_col <- function(data) {
  # 先判断是不是所有列都选完了
  if (length(col_env$remaining) == 0) {
    stop("所有列都已被选取！请重置状态后再试。")
  }
  # 随机选一个剩余列
  selected_idx <- sample(length(col_env$remaining), 1)
  selected_col <- col_env$remaining[selected_idx]
  # 更新剩余列列表
  col_env$remaining <- col_env$remaining[-selected_idx]
  # 返回选中的列向量
  return(data[, selected_col])
}

# 使用示例
random_data_vector1 <- select_unique_col(data)
random_data_vector2 <- select_unique_col(data)

# 重置选取状态的话，重新赋值剩余列就行
col_env$remaining <- colnames(data)

这样每次调用select_unique_col()都会自动返回未被选过的列，完全不用手动管理索引或列表，非常省心。

内容的提问来源于stack exchange，提问作者Liondancer