如何高效生成无重复的列表/数组随机排列副本？

场景与需求 #

需要生成n个元素顺序打乱的列表/数组副本（实际用于处理DataFrame行），要求所有副本互不重复。

常规方法的痛点 #

最直接的做法是每次随机打乱列表后，将结果存入集合去重，重复则丢弃重生成。但当列表元素数量较多时，循环检查重复的操作会显著增加耗时，效率很低。

关于set_state/get_state的疑问解答 #

想用随机数生成器的状态控制来避免重复排列？这种思路并不实用：随机状态对应的是整个随机序列的生成逻辑，无法精准映射到“不生成重复排列”这个目标，反而会引入额外的状态管理复杂度，得不偿失。

针对蒙特卡洛分析的最优方案 #

由于你的场景是蒙特卡洛分析，最多需要300个排列，可根据列表长度分两种情况处理：

情况1：列表长度 ≤5 #

此时所有可能的排列总数较少（比如5个元素的总排列数为120），可以直接用itertools.permutations生成全部排列，再从中随机选取需要的数量：

import itertools
import random

original = [1, 2, 3, 4, 5]
required_count = 100  # 不超过对应长度的总排列数

# 生成所有可能的排列（返回元组迭代器）
all_perms = list(itertools.permutations(original))
# 随机选指定数量的排列
selected_perms = random.sample(all_perms, required_count)
# 转换为列表格式
selected_lists = [list(perm) for perm in selected_perms]

情况2：列表长度 ＞5 #

此时总排列数极大（比如6个元素有720种排列，7个元素有5040种），直接随机生成300个排列的重复概率极低，完全不会影响蒙特卡洛分析的统计结果。实现代码如下：

import random

original = [1, 2, 3, 4, 5, 6, 7]
required_count = 300

unique_perms = []
while len(unique_perms) < required_count:
    shuffled = original.copy()
    random.shuffle(shuffled)
    # 用元组存储（列表不可哈希，无法直接判断重复）
    shuffled_tuple = tuple(shuffled)
    if shuffled_tuple not in unique_perms:
        unique_perms.append(shuffled_tuple)

# 转回列表格式
unique_perm_lists = [list(perm) for perm in unique_perms]

这种方案既保证了效率，又能满足场景需求，无需复杂的状态控制。

内容的提问来源于stack exchange，提问作者AlNeer