如何最快生成0到指定数值的打乱索引数组？

你当前用的arange+shuffle方法已经比choice高效很多，但确实存在更直接且性能更优的实现方式：

推荐方法1：使用rng.permutation() #

numpy.random.Generator.permutation()可以直接生成0到输入值的打乱整数数组，省去手动创建有序数组的步骤，内部实现更紧凑。

测试代码对比：

setup = "import numpy as np; idxlen = 1000; rng = np.random.default_rng(); matrix = -np.ones([100,idxlen],dtype=int)"
test1 = "rand_idxs = np.arange(idxlen); rng.shuffle(rand_idxs); matrix[0][:] = rand_idxs"
test3 = "matrix[0][:] = rng.permutation(idxlen)"

print(timeit.timeit(test1, setup, number=10000))
print(timeit.timeit(test3, setup, number=10000))

典型计时结果（仅供参考，具体数值取决于硬件）：

0.1821
0.1457

推荐方法2：直接在目标切片上原地打乱 #

如果想彻底避免中间数组的创建，可以直接在目标矩阵的切片上先赋值有序数组，再原地打乱，减少内存拷贝开销：

test4 = "matrix[0][:] = np.arange(idxlen); rng.shuffle(matrix[0])"

该方法的性能和permutation接近，在部分场景下甚至更优。

性能差异原因 #

• rng.permutation()针对整数范围场景做了优化，直接生成打乱序列，无需先创建有序数组再打乱，减少了一次数组赋值操作。
• 直接操作目标切片的方式省去了中间变量的内存占用，原地修改的开销更低。
• rng.choice(..., replace=False)需要处理通用的非连续采样场景，内部逻辑更复杂，因此性能差距明显。

内容的提问来源于stack exchange，提问作者HTF-struggle