R 示例函数发出超过 1000 万个值

Question

我在 R 中发现了这个怪癖，但找不到太多证据来证明它为什么会发生。我试图重新创建一个示例作为检查，发现 sample 函数在某些情况下的行为有所不同。请参阅此示例:

# Look at the first ten rows of a randomly ordered vector of the first 10 million integers
set.seed(4)
head(sample(1:10000000), 10)
[1] 5858004   89458 2937396 2773749 8135739 2604277 7244055 9060916 9490395  731445

# Select a specified sample of size 10 from this same list
set.seed(4)
sample(1:10000000), size = 10)
[1] 5858004   89458 2937396 2773749 8135739 2604277 7244055 9060916 9490395  731445


# Try the same for sample size 10,000,001
set.seed(4)
head(sample(1:10000001), 10)
[1] 5858004   89458 2937396 2773750 8135740 2604277 7244056 9060917 9490396  731445

set.seed(4)
sample(1:10000001), size = 10)
[1] 5858004   89458 2937397 2773750 8135743 2604278 7244060 9060923 9490404  731445

我测试了高达 1000 万个阈值的许多值，并发现这些值匹配(尽管我承认没有测试超过 10 个输出行)。

有人知道这是怎么回事吗？这 1000 万这个数字有什么重要意义吗？

Answer 1

是的，1e7 有一些特别之处。如果您查看 sample 代码，它最终会调用 sample.int。正如您在 ?sample 中看到的，sample.int 的 useHash 参数的默认值为

useHash = (!replace && is.null(prob) && size <= n/2 && n > 1e7)

&& n > 1e7 意味着当您达到 1e7 以上时，默认首选项将切换为 useHash = TRUE。如果您希望保持一致性，请直接调用 sample.int 并指定 useHash 值。 (TRUE 是提高内存效率的不错选择，有关详细信息，请参阅 ?sample 中的参数描述。)