从np数组或range中单次选取不重复随机数的Python函数需求

如果需要在循环中每次调用都从给定的np数组或range里选一个不重复的随机数，核心是要记录已选中的元素，避免重复选取。下面是两种实用的实现方式：

方式一：用类封装状态（推荐，复用性强） #

这种方式通过类维护已选元素的集合，适合多次复用不同数据源的场景：

import numpy as np
import random

class UniqueRandomPicker:
    def __init__(self, source):
        # 预处理输入源：range转列表，np数组转Python列表
        if isinstance(source, range):
            self.candidates = list(source)
        elif isinstance(source, np.ndarray):
            self.candidates = source.tolist()
        else:
            raise TypeError("仅支持range或numpy数组类型的输入源")
        # 初始化已选元素集合
        self.selected = set()
    
    def pick(self):
        # 筛选剩余可选元素
        remaining = [item for item in self.candidates if item not in self.selected]
        if not remaining:
            raise ValueError("所有元素已被选取完毕")
        # 随机选取并标记为已选
        chosen = random.choice(remaining)
        self.selected.add(chosen)
        return chosen

用法示例 #

# 从range中选取
picker1 = UniqueRandomPicker(range(10))
for _ in range(5):
    print(picker1.pick())  # 每次输出0-9之间不重复的数

# 从numpy数组中选取
arr = np.array([2, 4, 6, 8, 10])
picker2 = UniqueRandomPicker(arr)
print(picker2.pick())  # 输出数组中未被选过的随机元素

方式二：用闭包实现轻量版 #

如果只需要单个数据源的一次性使用，闭包可以省去类定义，更简洁：

import numpy as np
import random

def create_unique_picker(source):
    # 预处理输入源
    if isinstance(source, range):
        candidates = list(source)
    elif isinstance(source, np.ndarray):
        candidates = source.tolist()
    else:
        raise TypeError("仅支持range或numpy数组类型的输入源")
    selected = set()
    
    def pick():
        remaining = [item for item in candidates if item not in selected]
        if not remaining:
            raise ValueError("无剩余元素可选")
        chosen = random.choice(remaining)
        selected.add(chosen)
        return chosen
    return pick

用法示例 #

picker = create_unique_picker(range(5))
print(picker())  # 随机选一个0-4的数
print(picker())  # 选另一个不重复的数

大数据量场景优化 #

如果数据源规模很大（十万级以上），用列表推导式筛选剩余元素效率较低，可以先打乱候选元素，再用指针逐个取用：

class EfficientUniqueRandomPicker:
    def __init__(self, source):
        if isinstance(source, range):
            candidates = list(source)
        elif isinstance(source, np.ndarray):
            candidates = source.tolist()
        else:
            raise TypeError("仅支持range或numpy数组类型的输入源")
        random.shuffle(candidates)
        self.candidates = candidates
        self.index = 0
    
    def pick(self):
        if self.index >= len(self.candidates):
            raise ValueError("所有元素已被选取完毕")
        chosen = self.candidates[self.index]
        self.index += 1
        return chosen

这种方式初始化时打乱元素的时间复杂度为O(n)，每次选取操作是O(1)，适合大数据量场景。

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