Python中在多边形内随机选点的最高效方法是什么？

优先用「生成后测试」的方法，比预先生成所有有效点列表靠谱得多，尤其是你这种已经遇到枚举像素耗时问题的场景。

为啥不选预先生成有效点列表？ #

• 像你之前用matplotlib遍历所有像素的方式，本质是把多边形内每一个点都枚举出来，不仅耗时（你已经碰到30秒的情况），还会占大量内存——如果多边形范围稍大，存全量坐标的内存开销会非常夸张，完全没必要做这种无用功。

「生成后测试」的优势和实操 #

这种方法逻辑简单，效率拉满：

1. 先算出多边形的边界框（取所有顶点的x、y极值，得到min_x/max_x、min_y/max_y）
2. 在边界框范围内随机生成(x,y)点
3. 用高效的点-in-多边形判断工具验证点是否在内部，符合条件就保留，不符合就丢弃重生成

给你个实际可运行的代码示例，用matplotlib.path做判断（不用额外装库，适合新手）：

import numpy as np
import matplotlib.path as mpath

# 替换成你的多边形顶点坐标
polygon_verts = [(0, 0), (0, 10), (8, 12), (10, 8), (10, 0)]
# 构建多边形路径对象
poly_path = mpath.Path(polygon_verts)

# 计算边界框
x_coords, y_coords = zip(*polygon_verts)
min_x, max_x = min(x_coords), max(x_coords)
min_y, max_y = min(y_coords), max(y_coords)

# 生成指定数量的多边形内随机点
def generate_random_points(n):
    result = []
    while len(result) < n:
        # 生成边界框内的随机点
        x = np.random.uniform(min_x, max_x)
        y = np.random.uniform(min_y, max_y)
        # 判断点是否在多边形内
        if poly_path.contains_point((x, y)):
            result.append((x, y))
    return result

# 测试生成1000个点
points = generate_random_points(1000)

如果你的多边形是那种“瘦长”或者带很多空洞的特殊形状，边界框内无效区域占比极高，那可以考虑把多边形拆成几个小区域分别处理，减少无效点的生成比例；但绝大多数普通场景下，上面的代码速度已经足够快，完全能满足需求。

内容的提问来源于stack exchange，提问作者jivky