如何高效生成与原列表对应位置不同的指定范围随机数列表

针对你的需求，这里有几种高效的实现方式，以Python为例：

最优方案：无重试直接生成 #

这种方法通过数学转换，一次生成符合要求的随机数，完全避免重试，效率最高：

import random

def generate_valid_list(first_list):
    new_list = []
    for target_num in first_list:
        # 生成0-148范围内的随机数
        rand_val = random.randint(0, 148)
        # 若生成的数大于等于目标值，加1跳过目标值
        if rand_val >= target_num:
            rand_val += 1
        new_list.append(rand_val)
    return new_list

# 示例使用
first_list = [64, 27, 99, 133, 0, 41]  # 实际长度64
new_list = generate_valid_list(first_list)
# 生成多个列表的话
multiple_lists = [generate_valid_list(first_list) for _ in range(5)]

原理说明 #

0-149共有150个数值，我们需要排除其中1个（对应位置的target_num），剩余149个可选值。通过生成0-148的随机数，当数值大于等于target_num时加1，相当于把target_num从序列中移除，最终得到的数必然不等于目标值，且每个可选值的出现概率完全均等。

备选方案：重试法（简单易读） #

如果觉得上面的逻辑有点绕，也可以用重试的方式。由于每个位置冲突的概率仅为1/150，平均每个元素只需要1.006次随机调用，实际效率几乎和最优方案无差异：

import random

def generate_valid_list_retry(first_list):
    new_list = []
    for target_num in first_list:
        while True:
            rand_val = random.randint(0, 149)
            if rand_val != target_num:
                new_list.append(rand_val)
                break
    return new_list

性能对比 #

两种方法的时间复杂度都是O(n)（n为列表长度，这里是64），生成k个列表就是O(k*n)。最优方案的优势在于完全没有重试逻辑，性能更稳定；重试法则代码更直观，适合快速实现。

内容的提问来源于stack exchange，提问作者Kadaj13