Python怎么生成不重复的随机数序列

纸上星河
纸上星河
发布时间:2026-11-18 | 7人浏览过
原创

详细讲解在Python中生成不重复随机数序列的标准做法,对比random.sample、random.shuffle、NumPy与secrets在不同场景下的机制原理、性能表现与选型依据。

在 Python 中生成不重复的随机数序列,最直接且推荐的标准库解法是调用 random.sample()。如果已有现成的数据列表只需随机变换排列顺序,使用 random.shuffle() 在原地完成打乱即可;当面临数十万甚至千万级的大规模采样时,应改用 NumPy 提供的 Generator.choice(replace=False) 以获得底层 C 级别的执行性能;而在密码生成、验证码分发或抽奖等不可被推测的安全敏感场景中,则必须结合 secrets 模块调用操作系统的加密安全随机源。

一、标准解法:使用 random.sample 从区间抽样

日常开发中最普遍的需求是从给定的数字区间(例如 1 到 100)中随机取出若干个互不相同的整数。Python 的内置模块 random 提供了 sample(population, k) 函数,其内部以无放回抽样的方式运行,天然保证了结果序列中不存在重复元素。

import random

# 从 1 到 100(含头不含尾,即 1 至 100)的连续整数中抽取 10 个互不相同的数
numbers = random.sample(range(1, 101), 10)
print(numbers)
示例输出:[73, 14, 42, 98, 3, 55, 29, 81, 12, 67]

初学者容易写出一种直觉解法:在一个 while 循环中不断调用 random.randint(),把每次生成的随机数放入一个集合(set)中,直到集合大小达到目标数量 $k$ 为止。这种做法在 $k$ 远小于总数 $N$ 时尚能勉强工作,但存在严重的性能缺陷:当抽取的数量接近总体数量时,末期每一次循环抽中已有数值的概率呈指数级攀升,导致无效尝试次数暴增,极端情况下可能耗费数十倍的时间甚至引起程序停顿。

Python怎么生成不重复的随机数序列
图 1:循环去重与整体无放回抽样的内部逻辑与耗时对比

相比之下,random.sample() 具备严格的计算步数保证,无论区间大小如何,执行时间严格与目标抽取数 $k$ 呈线性关系,不会产生任何重复重试损耗。

二、已有序列打乱:利用 random.shuffle 原地洗牌

若读者面对的场景并非“从范围内抽取子集”,而是内存中已经存在一个明确的序列(例如一副扑克牌、试卷题号列表或待分配的人员名单),并且需要把所有元素打乱成一个不重复的随机顺序,这时最适合的工具是 random.shuffle()。

import random

# 准备初始序列
items = ["Task_A", "Task_B", "Task_C", "Task_D", "Task_E"]

# 原地打乱顺序(注意:shuffle 直接修改原列表,函数返回值为 None)
random.shuffle(items)
print("打乱后的结果:", items)
示例输出:打乱后的结果: ['Task_C', 'Task_A', 'Task_E', 'Task_B', 'Task_D']

使用 random.shuffle() 需要注意两点边界约定:

  • 必须传入可变序列:该函数通过元素原地交换实现,只能接收 list 这一类可变对象。如果传入不可变的 tuple、字符串或 range 对象,会直接触发 TypeError。
  • 防止意外破坏原始数据:如果业务逻辑后续还需要访问打乱前的原始顺序,不要直接在原列表上执行 shuffle()。此时应先对列表进行浅拷贝,或者直接使用 random.sample(items, len(items)) 抽取全量元素,后者会返回一个全新打乱的独立列表而丝毫不触动原列表。
Python怎么生成不重复的随机数序列
图 2:从需求场景、输入数据到适用函数的技术选型路径

三、底层机制:理解 random.sample 的双轨优化

很多开发者会好奇,既然 random.sample() 能高效处理各种规模的输入,它内部究竟是如何做到既省内存又算得快的?在 Python 标准库源码中,random.sample() 采用了一种精巧的“自适应双轨”算法策略:

Python怎么生成不重复的随机数序列
图 3:Python 源码中根据采样比例自动切换的双轨算法逻辑

当 $k$ 较小(或 $k$ 相对于总体规模较小)时,算法进入基于集合跟踪索引的轻量路径。这意味着哪怕传入 range(1, 1000000000) 抽取 5 个数,Python 既不会在内存中实例化一个包含十亿元素的列表,也不会拷贝庞大数据,而是直接在数学区间上抽选索引,内存开销仅为 $O(k)$。

而当 $k$ 占比很高时,跟踪索引的字典查找开销上升,源码会自动转为执行局部 Fisher-Yates 洗牌:将整个池子转换为列表,依次随机挑选元素与前排槽位对调,正好交换 $k$ 次后停止并切片输出。这种分流机制确保了任何比例下都能维持极高效率。

四、海量数据与高性能:NumPy 向量化生成

虽然标准库在绝大多数通用场景中表现出色,但当数据规模进入数十万乃至上百万级别时,纯 Python 对象的内存包裹机制(每个整数都是一个带有元数据的 PyObject)就会成为瓶颈。在科学计算、机器学习或大规模模拟中,推荐使用 NumPy 的新一代随机数接口 Generator.choice。

import numpy as np

# 初始化推荐的随机数生成器(采用 PCG-64 高性能算法)
rng = np.random.default_rng(seed=42)

# 从 0 到 999,999 中抽取 100,000 个不重复的随机整数
# replace=False 表示无放回抽样,确保每一个数均不重复
samples = rng.choice(1_000_000, size=100_000, replace=False)

print("生成数量:", len(samples))
print("前5个数值:", samples[:5])
print("数据存储类型:", type(samples), samples.dtype)
示例输出: 生成数量: 100000 前5个数值: [348210 891244 12490 673901 230911] 数据存储类型: <class 'numpy.ndarray'> int64

在这个方案中,关键参数是 replace=False。若未指定该参数,默认值为 replace=True(即放回抽样,允许出现重复数值)。此外,尽量使用 np.random.default_rng() 而不是过时的 np.random.choice(),新 API 使用更现代的 PCG-64 发生器,无论在统计学分布周期还是生成速度上都显著优于旧实现。

五、密码与安全场景:使用 secrets 杜绝状态逆向

必须特别强调:random 模块(包括 NumPy 默认发生器)生成的都是伪随机数。Python 的 random 底层使用梅森旋转算法(Mersenne Twister / MT19937),该算法虽然周期长且分布均匀,但它完全是确定性的。只要攻击者收集到了连续 624 个 32 位的输出,就能通过矩阵运算完整逆向推导出生成器的内部所有内存状态,进而准确预知后续产生的所有“随机数”。

因此,如果生成不重复随机数的目的是为了生成兑换码、密码重置令牌、抽奖发奖序列或防伪标识,必须使用 Python 标准库中的 secrets 模块。

import secrets

# 获取由操作系统强熵源支持的随机发生器实例
secure_generator = secrets.SystemRandom()

# 安全抽取 6 个用于活动验证的不重复中奖号码
secure_pool = range(100000, 999999)
winning_numbers = secure_generator.sample(secure_pool, 6)

print("密码学安全的不重复序列:", winning_numbers)
示例输出:密码学安全的不重复序列: [812049, 394102, 571933, 940128, 203814, 659201]

secrets.SystemRandom() 具有与标准 random 模块完全相同的 API 接口(包括 sample 和 shuffle),但其底层调用操作系统的 os.urandom()(在 Linux/macOS 上读取系统熵池,在 Windows 上调用 BCryptGenRandom),生成的随机数在密码学层面上不可被攻击者外推预测。

六、边界处理与常见报错排查

在实际编码运行过程中,有三个高频边界陷阱需要注意防范:

  1. 抽样数量越界(ValueError):如果抽取的数量 $k$ 大于总体容器长度,或 $k$ 为负数,会抛出 ValueError: Sample larger than population or is negative。例如总体只有 5 个元素却尝试抽取 6 个不重复项,无放回抽样在逻辑上无法成立。在编写动态抽取逻辑时,建议先使用 len(population) >= k 进行断言或防御性判断。
  2. 对 set 类型的直接抽样弃用:在 Python 3.9 及以后的版本中,直接向 random.sample() 传入集合(set)会引发弃用警告甚至异常。因为无序集合的遍历顺序在每次构建时可能因哈希加盐而变化,官方明确要求先显式转换为 tuple 或 list 再进行抽样。
  3. 浮点数区间“不重复”的伪命题:计算机内部的浮点数受限于二进制离散表达,并不存在纯粹数学意义上的连续实数。如果需要生成一组不重复的高精度小数序列,最稳妥的做法是先用 random.sample() 生成离散的整数索引序列,再统一乘以步长或除以缩放因子。
Python怎么生成不重复的随机数序列
图 4:四种主流方案的综合性能指标与适用场景对照
相关专题:

本站声明

本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。

Python 相关产品和应用

全部下载

专题列表