如何生成无重复粒子位置的二维NumPy数组（蒙特卡洛模拟）

原代码的核心问题 #

你写的重复检查逻辑完全错误：
np.equal(particle_positions[:(i+1)], r).any() 是逐元素对比数组切片和r的每个值，只要有任意一个位置的元素相等就返回True，而不是判断整个三维坐标是否完全重复。比如数组里已有[1,2,3]，新生成[4,2,5]，因为第二个元素都是2，这行代码会误判为重复，导致你觉得“唯一元素被跳过”。

另外初始数组是全0的np.zeros([N,3], dtype=int)，当i=0时，particle_positions[:1]是[[0,0,0]]，如果第一次生成的r恰好是[0,0,0]，逻辑没问题，但后续的重复判断全错。

修复后的代码 #

先修正重复检查逻辑，确保判断的是整个三维坐标是否重复：

import numpy as np
import random as rnd

N = 10  # 粒子数量
L = 10  # 盒子边长
particle_positions = np.zeros([N, 3], dtype=int)
i = 0

for _ in range(N):
    while True:
        # 生成随机三维坐标
        r = np.array([rnd.randint(0, L), rnd.randint(0, L), rnd.randint(0, L)])
        # 检查是否和已生成的坐标完全重复：按行判断每个坐标是否与r完全匹配
        is_duplicate = np.any(np.all(particle_positions[:i] == r, axis=1))
        if not is_duplicate:
            particle_positions[i] = r
            i += 1
            break

这里np.all(particle_positions[:i] == r, axis=1)会对每个已有的坐标，逐元素判断是否和r完全一致（axis=1表示按行处理，把每个三维坐标当作整体），再用np.any()判断是否存在重复的坐标。

更高效的实现（避免循环重试） #

当N较大或L较小时（可选坐标总数(L+1)^3接近N），循环重试的效率会很低。可以直接生成所有可能的坐标，再随机抽取N个不重复的：

import numpy as np

N = 10
L = 10

# 生成所有可能的三维坐标组合
all_positions = np.array(np.meshgrid(range(L+1), range(L+1), range(L+1))).T.reshape(-1, 3)
# 随机选择N个不重复的坐标
particle_positions = all_positions[np.random.choice(len(all_positions), N, replace=False)]

这种方法更简洁高效，但要注意如果(L+1)^3 < N会报错（没有足够多的不重复坐标），这时需要调整N或L的取值。

内容的提问来源于stack exchange，提问作者Ossydeus