Лучший способ собрать случайную выборку из коллекции файлов

Предположим, есть каталог, содержащий 300 файлов данных. Я хочу случайным образом выбрать 200 из этих файлов и переместить их в другой каталог. Есть ли способ сделать это под Unix / Linux?

Если ваша система имеет shuf, вы можете использовать это довольно удобно (даже обрабатывая уродливые имена файлов):

shuf -zen200 source/* | xargs -0 mv -t dest

Если у вас нет, shufно есть, sortчто нужно -R, это должно работать:

find source -type f -print0 | sort -Rz | cut -d $'\0' -f-200 | xargs -0 mv -t dest

files=(*)
for (( i=0; i<200; i++ )); do
    keys=("${!files[@]}")
    rnd=$(( RANDOM % ${#keys[@]} ))
    key=${keys[$rnd]}
    mv "${files[$key]}" "$otherdir"
    unset files[$key]
done

Поместите все имена файлов в массив с именем "files" в bash:

files=( * )

размер массива:

echo ${#files[@]}

определите 2/3 из них как размер выборки:

take=$((2*${#files[@]}/3)) 

for i in $(seq 1 $take)
do
    r=$((RANDOM%${#files[@]})) 
    echo ${files[r]}
done

Это будет выбрать дубликаты, и это не протестировано с именами файлов с пробелами и такими.

Самый простой способ избежать дублирования - перебирать все файлы и выбирать каждый с вероятностью 2/3, но это не обязательно приведет к 200 файлам.

Это удалит файл, если он был выбран из списка, и выполнит ваши требования:

#!/bin/bash
files=( * )
# define 2/3 of them as sample size:
take=$((2*${#files[@]}/3)) 

while (( i < $take ))
do
    r=$((RANDOM%${#files[@]})) 
    f=${files[r]}
    if [[ -n $f ]]
    then 
        i=$((i+1))    
        echo ${files[r]}
        unset files[r]    
    fi
done

Если это должно быть статистически случайным, вы не должны использовать RANDOM % ${#keys[@]}. Рассмотреть возможность:

1. $RANDOM имеет 32768 уникальных значений
2. Первый выбор - 1 из 300 элементов
3. 32768 = 109 * 300 + 68

Таким образом, при выборе первого элемента есть вероятность 110/32768 ~ = 0,33569% для каждого из 68 первых элементов, а вероятность 109/32768 ~ = 0,33264% для каждого из остальных 232 элементов, которые будут выбраны. Сбор повторяется несколько раз с разными шансами, но всегда смещен к первым элементам 32768 % ${#keys[@]} -ne 0, поэтому ошибка усугубляется.

Это должно быть беспристрастным , и работает с любым именем файла:

while IFS= read -r -d '' -u 9
do
    mv -- "$REPLY" /target/dir
done 9< <(find /source/dir -mindepth 1 -print0 | shuf -n 200 -z)

Решение Кевина прекрасно работает! Что-то еще, что я часто использовал, потому что мне легче вспомнить с головы до головы, это что-то вроде:

cp `ls | shuf -n 200` destination

Один лайнер в Bash:

ls original_directory/|sort -R|head -number_of_files_to_move|while read file; do cp "new_directory/"$file test; done