将集合分成元素数量相等的子集

Question

为了进行一个心理实验，我需要把一组图片（总共有240张）根据4个特征（这些特征是实数）分成3个子集，每个子集里要有相同数量的图片（240除以3等于80）。而且，这些子集在这些特征上要尽量保持平衡，也就是说在平均值和标准差方面要差不多。

有没有人能推荐一个算法来自动完成这个任务？在Python或R语言中有没有可以用的包或模块？我应该从哪里开始呢？

Answer 1

你可以很简单地使用R语言中的plyr库来实现这个功能。下面是代码。

require(plyr)

# CREATE DUMMY DATA
mydf = data.frame(feature = sample(LETTERS[1:4], 240, replace = TRUE))

# SPLIT BY FEATURE AND DIVIDE INTO THREE SUBSETS EQUALLY
ddply(mydf, .(feature), summarize, sub = sample(1:3, 60, replace = TRUE))

Answer 2

我会这样处理这个问题：

1. 把数据分成3个相等的部分。
2. 计算每个部分的平均值和方差。然后用这些数据来构建一个“均匀度”指标。
3. 比较每一对元素，如果交换它们能让“均匀度”变得更好，就交换它们。一直这样做，直到没有更多的元素可以比较，或者总的均匀度低于某个随便设定的“足够好”的标准。

Answer 3

如果我理解你的问题没错的话，你可以在Python中使用 random.sample() 这个函数：

import random

pool = set(["foo", "bar", "baz", "123", "456", "789"]) # your 240 elements here
slen = len(pool) / 3 # we need 3 subsets
set1 = set(random.sample(pool, slen)) # 1st random subset
pool -= set1
set2 = set(random.sample(pool, slen)) # 2nd random subset
pool -= set2
set3 = pool # 3rd random subset