如何创建仅在R中具有递增值的整数的随机向量？
要创建具有递增值的整数的随机向量，我们可以使用进行随机采样，sample.int并且对于递增值，需要使用cummax函数。例如，使用命令cummax（sample.int(5)）可以创建大小为5的整数（从1开始到值5）的随机向量。
示例
x1<-cummax(sample.int(10)) x1输出结果
[1] 1 9 9 9 9 9 9 10 10 10
示例
x2<-cummax(sample.int(20)) x2输出结果
[1] 17 18 18 18 18 18 18 18 18 19 19 19 19 19 19 20 20 20 20 20
示例
x3<-cummax(sample.int(25)) x3输出结果
[1] 7 7 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 24 24 24 24 24 25 25 25
示例
x4<-cummax(sample.int(50)) x4输出结果
[1] 3 14 14 34 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 46 49 49 49 [26] 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 50 50
示例
x5<-cummax(sample.int(100)) x5输出结果
[1] 8 55 86 88 88 88 88 88 88 88 94 94 94 94 94 94 94 94 [19] 94 94 94 94 94 94 94 94 94 94 94 94 94 94 94 94 94 98 [37] 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 [55] 98 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 [73] 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 [91] 100 100 100 100 100 100 100 100 100 100
示例
x6<-cummax(sample.int(150)) x6输出结果
[1] 108 108 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 [19] 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 [37] 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 [55] 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 [73] 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 [91] 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 147 [109] 147 147 147 150 150 150 150 150 150 150 150 150 150 150 150 150 150 150 [127] 150 150 150 150 150 150 150 150 150 150 150 150 150 150 150 150 150 150 [145] 150 150 150 150 150 150
示例
x7<-cummax(sample.int(200)) x7输出结果
[1] 74 183 183 183 183 183 183 183 183 183 183 183 183 183 183 183 183 183 [19] 183 183 183 183 183 183 183 183 183 183 183 183 183 191 191 191 193 193 [37] 193 193 193 193 193 193 193 193 193 193 193 193 193 193 193 193 193 193 [55] 193 193 193 193 193 193 193 193 193 193 193 193 193 197 197 198 198 198 [73] 198 198 198 198 198 198 198 198 198 198 198 198 198 198 198 198 198 198 [91] 198 198 198 198 198 198 198 200 200 200 200 200 200 200 200 200 200 200 [109] 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 [127] 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 [145] 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 [163] 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 [181] 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 [199] 200 200
示例
x8<-cummax(sample.int(250)) x8输出结果
[1] 217 217 235 235 235 235 235 235 235 235 235 235 240 240 240 240 240 240 [19] 240 240 240 240 240 240 240 240 240 240 240 242 242 242 250 250 250 250 [37] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [55] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [73] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [91] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [109] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [127] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [145] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [163] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [181] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [199] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [217] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 [235] 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250
示例
x9<-cummax(sample.int(500)) x9输出结果
[1] 268 294 294 294 294 294 487 487 487 487 487 487 487 487 487 487 487 487 [19] 487 487 487 487 487 487 496 496 496 496 496 496 496 496 496 496 496 496 [37] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [55] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [73] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [91] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [109] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [127] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [145] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [163] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [181] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [199] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [217] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [235] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [253] 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 496 [271] 496 496 496 496 496 496 496 499 499 499 499 499 499 499 499 499 499 499 [289] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [307] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [325] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [343] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [361] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [379] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [397] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [415] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [433] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [451] 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 499 [469] 499 499 499 499 499 500 500 500 500 500 500 500 500 500 500 500 500 500 [487] 500 500 500 500 500 500 500 500 500 500 500 500 500 500
示例
x10<-cummax(sample.int(300)) x10输出结果
[1] 121 207 269 273 273 274 274 274 274 274 274 274 274 298 298 298 298 298 [19] 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 [37] 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 [55] 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 [73] 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 [91] 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 [109] 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 298 [127] 298 298 298 298 298 298 298 298 298 298 298 298 298 298 299 299 299 299 [145] 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 [163] 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 [181] 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 [199] 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 [217] 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 299 300 [235] 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 [253] 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 [271] 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 [289] 300 300 300 300 300 300 300 300 300 300 300 300