从原数组生成随机打乱数组（不使用内置shuffle）的实现问题

现有代码的问题 #

你当前的实现有两个核心bug，才会出现元素重复选取、结果和原数组元素不匹配的问题：

• 循环写法错误：for i in Deck1取到的i是Deck1里的元素值，不是数组索引。如果Deck1存在重复值、或者元素值不在0~n-1的连续范围内，会直接导致Deck2的赋值位置错乱。
• 随机选取无去重逻辑：每次生成随机位置j之后没有做任何已选标记，同一个位置的元素可能被多次取出，同时也会有原数组位置永远没被选中的情况，最终Deck2的元素组成和原数组不一致，也没法保证重复值的数量匹配。

正确实现思路 #

不要尝试基于元素值做选取校验：如果原数组存在重复值，你根本无法通过值判断当前拿到的是未被选取的重复元素，还是同一个元素被重复选中了。
正确的校验维度是原数组的索引——每个位置的索引是全局唯一的，只要保证每个索引刚好被选取一次，不管对应位置的元素值是否重复，最终生成的新数组都会和原数组的元素组成完全一致，重复值的数量也会完全对应。
两种常用的无内置shuffle实现方案：

• 索引池方案：初始化时把所有0~n-1的索引存入待选列表，每次随机从列表里挑一个索引，取出对应原数组元素放到新数组后，把这个索引从待选列表里移除，直到列表为空。
• Fisher-Yates洗牌算法：空间复杂度更低的原地打乱方案，从数组末尾向前遍历，每次在当前遍历位置之前的范围里随机选一个位置，交换两个位置的元素，遍历完成即得到均匀打乱的结果，不需要额外的标记数组。

修正后的可运行代码 #

import numpy as np

def shuffler():
    n = int(input("请输入牌堆的卡牌数量: "))
    s = input("是否需要打乱牌堆? (Y/N): ").lower()
    
    # 初始化原牌堆
    if s == "y":
        Deck1 = np.random.randint(low=0, high=n, size=n)
    else:
        Deck1 = np.arange(n)
    print("原牌堆:")
    print(Deck1)
    
    Deck2 = np.empty(n, dtype=np.int_)
    # 初始化待选索引池
    remain_index = list(range(n))
    for pos in range(n):
        # 从剩余未选索引中随机取一个
        pick_pos = np.random.randint(0, len(remain_index))
        selected_idx = remain_index.pop(pick_pos)
        Deck2[pos] = Deck1[selected_idx]

    # 如果不需要保留原Deck1，可以替换为Fisher-Yates原地洗牌实现，空间开销更低
    # Deck2 = Deck1.copy()
    # for i in range(n-1, 0, -1):
    #     j = np.random.randint(0, i+1)
    #     Deck2[i], Deck2[j] = Deck2[j], Deck2[i]
        
    print("打乱后的牌堆:")
    print(Deck2)

两种实现都天然兼容原数组存在重复值的场景，不需要针对重复值写额外的判断逻辑。

内容的提问来源于stack exchange，提问作者Ivan