如何高效打乱itertools.combinations生成的元组内部元素顺序？

我使用itertools.combinations()从无重复元素列表生成二元元组列表，打乱整个列表后，元组内部元素始终按输入列表的出现顺序排列（并非字母序，输入列表只是恰好按字母排序，打乱输入列表无法解决问题）。

示例代码：

import random
import itertools
items = ["a","b","c","d","e"]
item_combos = list(itertools.combinations(items, 2))
random.shuffle(item_combos)
print(item_combos)

输出结果：

['a', 'b', 'c', 'd', 'e']
[('b', 'd'), ('a', 'e'), ('b', 'c'), ('a', 'd'), ('a', 'b'), ('a', 'c'), ('c', 'e'), ('c', 'd'), ('b', 'e'), ('d', 'e')]

可以看到元组内元素始终按输入列表的出现顺序排列，比如'c'始终在'd'左侧，'a'始终在其他元素左侧。我原本用循环逐个替换打乱元组：

for i in range(len(item_combos)):
    item_combos[i] = tuple(random.sample(item_combos[i], 2))

但这种方法在处理较大列表时速度极慢，求更快的替代方法。

列表推导式 + 随机判断 #

因为二元元组只有两种可能的顺序，直接通过随机数判断是否反转元组，比random.sample的采样逻辑更高效：

import random
import itertools

items = ["a","b","c","d","e"]
item_combos = list(itertools.combinations(items, 2))
random.shuffle(item_combos)

# 快速打乱每个元组内部顺序
item_combos = [t if random.random() > 0.5 else t[::-1] for t in item_combos]
print(item_combos)

这种方式避免了循环内的额外函数调用开销，列表推导式本身也比普通for循环执行更快。

NumPy批量处理（超大数据量场景） #

如果处理的元组列表规模极大，用NumPy的批量操作能进一步提升速度：

import numpy as np
import random
import itertools

items = ["a","b","c","d","e"]
item_combos = list(itertools.combinations(items, 2))
random.shuffle(item_combos)

# 转换为NumPy数组进行批量操作
arr = np.array(item_combos)
# 生成随机掩码，标记需要反转的元组
reverse_mask = np.random.rand(len(arr)) > 0.5
# 批量反转指定行
arr[reverse_mask] = arr[reverse_mask][:, ::-1]
# 转回元组列表
item_combos = list(map(tuple, arr))
print(item_combos)

NumPy的底层是C实现的向量运算，比纯Python循环快一个数量级以上，适合百万级以上的元组列表处理。

内容的提问来源于stack exchange，提问作者smoothie king