我正在尝试编写一个算法，从序列中随机选择N个不同的项目，而不事先知道序列的大小，并且在迭代超过一次的情况下成本昂贵。例如，序列的元素可能是一个巨大文件的行。
当N=1时（即，“从巨大序列中随机选择一个元素”），我已经找到了一个解决方案：
import random
items = range(1, 10) # Imagine this is a huge sequence of unknown length
count = 1
selected = None
for item in items:
if random.random() * count < 1:
selected = item
count += 1
但是我怎样才能对其他值的N（比如说，N=3）实现相同的事情呢？
如果您的序列足够短，可以将其读入内存并随机排序，则一种直接的方法是只使用 random.shuffle：
import random
arr=[1,2,3,4]
# In-place shuffle
random.shuffle(arr)
# Take the first 2 elements of the now randomized array
print arr[0:2]
[1, 3]
根据您的序列类型，您可能需要调用list(your_sequence)将其转换为列表，但这将在您的序列中对象的类型不同的情况下仍然有效。
如果您的序列无法适应内存，或者此方法的内存或CPU要求对您来说太高，则需要使用其他解决方案。
我发现最简单的方法是在SO中找到这个答案，稍作改进如下：
import random
my_list = [1, 2, 3, 4, 5]
how_big = 2
new_list = random.sample(my_list, how_big)
# To preserve the order of the list, you could do:
randIndex = random.sample(range(len(my_list)), how_big)
randIndex.sort()
new_list = [my_list[i] for i in randIndex]
如果您使用的是Python 3.6以上版本，则可以使用choices。
from random import choices
items = range(1, 10)
new_items = choices(items, k = 3)
print(new_items)
[6, 3, 1]
k > len(items)，这也可以工作。正是我所需要的，谢谢！ - Nick K9import random
list(map(lambda _: random.choice(X), range(N)))
>>> x = ["a", "b", "c", "d", "e", "f", "g", "h", "i"]
>>> list(map(lambda _: random.choice(x), range(3)))
['c', 'a', 'a'] - Gábor Nagy@NPE是正确的，但被链接的实现是次优的，不太符合"pythonic"（Python风格）的特点。这里提供更好的实现方式：
def sample(iterator, k):
"""
Samples k elements from an iterable object.
:param iterator: an object that is iterable
:param k: the number of items to sample
"""
# fill the reservoir to start
result = [next(iterator) for _ in range(k)]
n = k - 1
for item in iterator:
n += 1
s = random.randint(0, n)
if s < k:
result[s] = item
return result
编辑 正如@panda-34所指出的那样，原版本存在缺陷，但不是因为我使用了 randint 而不是 randrange。问题在于我的初始值 n 没有考虑到 randint 是包含范围两端的。如果考虑到这一点，问题就得到解决了。（注意：你也可以使用 randrange，因为它在最小值上是包含的，在最大值上是排除的。）
Counter(itertools.chain.from_iterable(sample(iter(range(100)), 5) for x in range(100000)))显示出对范围开始部分的严重和一致的偏向。 - panda-34randint 而不是 randrange。 - panda-34randrange会更整洁，而不是从范围的末尾显式地减去1，以使randint的行为类似于randrange。 - Mark Amery只需要接受或拒绝每个新项目一次就足够了，如果你接受它，就随机选择一个旧项目丢弃。
假设您随机选择了K个中的N个项目，并看到第(K+1)个项目。以N/(K+1)的概率接受它，其概率是OK的。当前项目以N/K的概率进入，并以(N/(K+1))(1/N) = 1/(K+1)的概率被丢弃，因此通过(N/K)(K/(K+1))的概率幸存下来，所以它们的概率也是OK的。
是的，我看到有人向您指出了蓄水池抽样 - 这就是它的工作原理之一的解释。
在 numpy 库中有一个实现。
假设 N 小于数组的长度，你需要执行以下操作：
# my_array is the array to be sampled from
assert N <= len(my_array)
indices = np.random.permutation(N) # Generates shuffled indices from 0 to N-1
sampled_array = my_array[indices]
N 个位置，则可以使用以下代码：import random
sampled_array = my_array[random.sample(len(my_array), N)]
from random import randint
random_nums = []
N = # whatever number of random numbers you want
r = # lower bound of number range
R = # upper bound of number range
x = 0
while x < N:
random_num = randint(r, R) # inclusive range
if random_num in random_nums:
continue
else:
random_nums.append(random_num)
x += 1
random.sample(your_collection, N)来获取N个随机元素。请注意不要改变原意。 - Mark Ameryrange(1, 10)。这真的是一个 XY 问题，询问“如何确定/估计迭代器长度的上限（而不进行迭代）”吗？例如，如果它是一个文本文件，我们只需获取(/估计)文件大小，然后除以估计的平均/最大/最小行长度（以字符为单位）。 （对于 Unicode，估计字节中的字符长度） - smci__length_hint __()。当我预先知道可迭代类的长度时，我能加速它吗？。而且，通常不需要将整个文件调用到内存中来估计其行长/记录长度/任何其他内容。那么，您正在处理什么类型的数据，我们如何高效地估计（上限）其长度？ - smci