在 R 中使用套牌洗牌模拟进行功能性思考答案

【问题标题】：Thinking functionally in R with deck shuffling simulation在 R 中使用套牌洗牌模拟进行功能性思考
【发布时间】：2017-01-08 23:38:17
【问题描述】：

我正在查看 this problem（复制如下），并希望在功能上模拟它（特别是在 R 中）方面得到一些帮助。

在下雪的下午，您喜欢玩一副标准的、随机洗牌的 52 张纸牌的单人纸牌“游戏”。你开始将牌面朝上发牌，一次一张，成一堆。当您发每张牌时，您还按顺序大声说出标准套牌中的 13 张牌面：A、2、3 等。（当您到达 K 时，您从 A 重新开始。）您一直这样做直到你发的牌的等级与你大声说话的等级相匹配，在这种情况下你输了。如果您在没有任何比赛的情况下到达牌组的尽头，您就赢了。

你获胜的概率是多少？

通过 for 循环执行此操作似乎很简单 - 在每个循环中，通过 rep(seq(13),4) 构建卡组，对其进行置换，然后检查置换和未置换卡组之间的任何条目是否相等。我对这种功能性方法特别感兴趣。为此，我想构建一次x <- rep(seq(13),4)，制作一个 52 x n 矩阵，其中每列是sample(x)，然后找到某种方法来检查每一列是否为sample(x) ~ x，其中〜我的意思是“至少有一个共享元素，这意味着索引和值相等”。这将有望返回真/假，具体取决于这是真还是假。

因此，对于~，如果我将其称为compare(x,y)，我希望compare(c(1,2,3),c(3,1,2)) 为假，compare(c(1,2,3,4,5),c(8,9,10,11,5)) 为真。

所以，我的问题是：

实现比较的好（功能性）方法是什么？
有没有更好的方法来解决这个问题？

【问题讨论】：

标签： r functional-programming

【解决方案1】：

惯用的 R 代码是功能性的，因为它涉及无副作用的函数（通常是匿名的）、矢量化代码和大量使用 apply 系列中的函数（即map 的 R 版本，函数式编程的统一主题之一）。您可以像这样进行模拟：

x = rep(1:13,4)
deranged <- function(x,y){all(x!=y)}
samples <- replicate(10000,sample(x,52))
wins <- apply(samples,2,function(y){deranged(x,y)})
p <- sum(wins)/10000

在我上次运行时，p 评估为 0.017

【讨论】：