Matlab中的randperm和randsample函数用法对比
构建替代数据的时候，一种常见的思路是打乱原数据的排列次序，通过随机置换原数据的排列次序从而产生和原数据系列统计特征（如均值、方差、分布）一致的随机数据。具体到Matlab中，此思路的实现会涉及到两个命令：randperm和randsample
p.s. 相关的重新排序命令还包括：
|
1
2
3
4
5
6
7
8
9
|
Reordering Algorithms
amd Approximate minimum degree permutation
colamd Column approximate minimum degree permutation
colperm Sparse column permutation based on nonzero count
dmperm Dulmage-Mendelsohn decomposition
ldl Block LDL' factorization
for
Hermitian indefinite matrices
randperm Random permutation
symamd Symmetric approximate minimum degree permutation
symrcm Sparse reverse Cuthill-McKee ordering
|
1、RANDPERM
根据Matlab文档，randperm最常用的用法是是返回一个从1-n的包含n个数的随机排列（每个数字只出现一次）——以行向量的形式
|
1
|
p = randperm(n) returns a row vector containing a random permutation of the integers from
1
to n inclusive
|
如果希望从1-n的数字序列里面随机返回k个数，则可以使用
|
1
|
p = randperm(n,k)
|
其中，这k个数之间彼此也是不相同的。可见，randperm能够产生不重复的随机排列，结合原数据，可写成类似下面的形式：
|
1
|
new
= old( randperm( size(old,
1
) ) , : );
|
这样新数组中的各行就被重排了。如果各列也需要重排，则可以嵌套使用。
Matlab文档中还说，randperm完成的是不重复的重排采样（k-permutations），如果结果中的数需要重复多次出现的情况，则可以用：
|
1
|
randi(n,
1
,k)
|
randperm和rand、randi、randn一样，其随机数的生成是收到rng命令控制的，因此，可通过该命令影响随机数据流rand stream的情况。
2、RANDSAMPLE
randsample的命令组合比randperm要复杂，事实上这个命令内部也有对randperm的调用。因此，在适当的情况下，使用randperm的速度理论上比randsample快。（事实上也快很多）
randsample的命令格式：
|
1
2
3
4
5
6
7
|
y = randsample(n,k)
y = randsample(population,k)
y = randsample(n,k,replacement)
y = randsample(population,k,replacement)
y = randsample(n,k,
true
,w)
y = randsample(population,k,
true
,w)
y = randsample(s,...)
|
第一种情形，randsample(n,k)和randperm(n,k)的功能一样，都是产生k个不相同的数（1-n）。
第二种情形，randsample(ARRAY,k)，事实上就是randperm和原数组结合使用的形式，从ARRAY数组里面随机取出k个不相同的数。
第三种情形，replacement是一个bool变量，为1的时候，取出的数可能是重复的，为0的时候，可能不重复。
很显然，看到这里，会发现randsample和randperm很相似，譬如，之前旧数组随机排序的需求可写成下面的样式：
|
1
2
3
|
new
= old( randsample(
1
:length(matrix) , length(matrix) ,
0
),: );
or
new
= randsample( old, length(old),
0
); <-- I preferred
this
.
|
事实上更有用的是第四种情形，多出来一个w，是权重系数，能够根据此权重系数在原数组（或1-n数组）里面选出可能重复的k个数。典型用法譬如：
|
1
|
R = randsample(
'ACGT'
,
48
,
true
,[
0.15
0.35
0.35
0.15
])
|
上面的语句能够产生48个内容为ATCG的随机字串，且A出现的权重为0.15，其余类推。这个显然在生物信息学中很有用。ATCG也就是DNA的碱基序列。
第五种情形，可以用自己提供的随机数stream替换系统默认的随机数，s必须派生自Matlab的RandStream类。
小结
通过对比，我们很容易的发现randperm比randsample更直接更底层，而randsample则是对各种使用的情形进行了封装。randsample最有用的优势是可以很方便的实现随机数的权重分布。