如何让Python生成的单位球面采样角度无重复？附现有代码

你当前的代码通过均匀分布生成球面角度，从数学角度看，连续随机变量生成完全重复值的概率为0，但由于浮点数的精度限制，极端情况下可能出现近似重复的角度对。如果需要严格确保生成的角度对没有重复（在指定精度范围内），可以用以下两种方法实现：

方法一：批量生成后去重并补充样本 #

这种方法先批量生成足够多的角度对，去除重复后如果数量不足，再补充生成新的样本，效率比逐个检查更高：

import numpy as np

def get_unique_random_angles(n, tol=1e-8):
    # 先生成1.2倍目标数量的样本，减少后续补充次数
    total_samples = int(n * 1.2)
    phis = np.random.uniform(0, 2*np.pi, total_samples)
    thetas = np.arccos(1 - np.random.uniform(0, 2, total_samples))
    
    # 将角度对组合成二维数组
    angle_pairs = np.stack([thetas, phis], axis=1)
    
    # 按指定精度量化后去重，避免浮点误差导致误判
    quantized_pairs = np.round(angle_pairs / tol) * tol
    # 获取唯一角度对的索引
    _, unique_indices = np.unique(quantized_pairs, axis=0, return_index=True)
    unique_pairs = angle_pairs[unique_indices]
    
    # 如果去重后样本数量不足，补充生成直到达标
    while len(unique_pairs) < n:
        need = n - len(unique_pairs)
        add_phis = np.random.uniform(0, 2*np.pi, need)
        add_thetas = np.arccos(1 - np.random.uniform(0, 2, need))
        add_pairs = np.stack([add_thetas, add_phis], axis=1)
        add_quantized = np.round(add_pairs / tol) * tol
        
        # 筛选出和已有样本不重复的新角度对
        is_unique = ~np.any(np.all(np.isclose(add_quantized[:, None], quantized_pairs[unique_indices], atol=tol), axis=2), axis=1)
        new_unique = add_pairs[is_unique]
        
        unique_pairs = np.vstack([unique_pairs, new_unique])
        quantized_pairs = np.vstack([quantized_pairs[unique_indices], add_quantized[is_unique]])
    
    # 返回前n个唯一角度对
    return unique_pairs[:n, 0], unique_pairs[:n, 1]

方法二：拒绝采样（逐个生成并检查） #

这种方法每次生成一个角度对，检查是否已存在，不存在则保留，直到凑够目标数量：

import numpy as np

def get_unique_random_angles_rejection(n, tol=1e-8):
    thetas = []
    phis = []
    while len(thetas) < n:
        phi = np.random.uniform(0, 2*np.pi)
        theta = np.arccos(1 - np.random.uniform(0, 2))
        # 检查当前角度对是否和已有样本重复
        duplicate = False
        for t, p in zip(thetas, phis):
            if np.isclose(theta, t, atol=tol) and np.isclose(phi, p, atol=tol):
                duplicate = True
                break
        if not duplicate:
            thetas.append(theta)
            phis.append(phi)
    return np.array(thetas), np.array(phis)

关键注意事项 #

• 浮点精度控制：必须使用np.isclose而非直接相等比较，因为浮点数存储存在误差。tol参数可以根据需求调整，比如允许角度差在1e-8弧度内视为重复。
• 效率差异：批量去重法适合大样本量场景，拒绝采样法实现简单但在n很大时效率较低，因为检查重复的时间会随样本量增长而增加。
• 实际重复概率：在大多数场景下，原代码生成重复角度对的概率极低，如果没有严格的业务要求，无需额外处理。

内容的提问来源于stack exchange，提问作者user20995624