使用std::sample获取随机样本

C++17标准库提供了一个std::sample函数模板用于获取随机样本，该样本是输入全体样本的一个子集。具体例子如下：

#include <iostream>
#include <vector>
#include <iterator>
#include <algorithm>
#include <random>
int main()
{
    std::vector<int> data;
    for (int i = 0; i < 10000; ++i) {
        data.push_back(i);
    }

    std::sample(data.begin(), 
        data.end(),
        std::ostream_iterator<int>{std::cout, "\n"},
        10,
        std::default_random_engine{});
}

可以看到std::sample需要5个参数，其中前2个参数是全体样本的合计的begin和end迭代器，它定义了全体样本的范围。第3个参数则是输出迭代器，第4个参数是需要样本的数量，最后是随机数引擎。注意这里std::default_random_engine没有设置seed，这必然导致每次运行获取的样本相同。

以上代码的输出结果为：

0
488
963
1994
2540
2709
2835
3518
5172
7996

我们可以为随机数引擎设置seed：

std::random_device rd;
std::default_random_engine eng{ rd() };
std::sample(data.begin(), 
    data.end(),
    std::ostream_iterator<int>{std::cout, "\n"},
    10,
    eng);

这样每次样本就会发生变化。另外std::sample是有返回值的，返回的是最后一个随机样本之后的迭代器。它的作用是确定随机样本在输出容器中的范围，例如：

#include <iostream>
#include <vector>
#include <iterator>
#include <algorithm>
#include <random>
int main()
{
    std::vector<int> data;
    for (int i = 0; i < 10000; ++i) {
        data.push_back(i);
    }

    std::vector<int> out_data;
    out_data.resize(100);
    std::random_device rd;
    std::default_random_engine eng{ rd() };
    auto end = std::sample(data.begin(), 
        data.end(),
        out_data.begin(),
        10,
        eng);

    std::cout << "coll size: " 
        << out_data.size() 
        << std::endl;
    for (auto it = out_data.begin(); it != end; ++it) {
        std::cout << *it << std::endl;
    }
}

以上代码的输出结果为：

coll size: 100
1708
1830
2803
3708
5146
7376
7867
8059
8271
9448

可以看到，虽然容器的大小是100，但是我们只填充10个随机样本。最后需要说明一下std::sample对于两个迭代器参数的要求，首先源迭代器至少是一个输入迭代器的时候，目标迭代器至少可以是一个输出迭代器。但是当源迭代器不是一个向前迭代器，那么目标迭代器必须是一个随机迭代器。这一点很好理解，当源迭代器不能确保随机的情况下，只能将目的迭代器随机以确保样本的随机性。