如何生成指定范围内不重复随机数并赋值给不同对象的对应变量

核心逻辑是避免单次随机生成后不做校验直接分配，推荐两种成熟实现方案，按需选择即可：

方案1：洗牌法（推荐，分配数量接近范围大小时效率更高） #

实现思路是先生成指定范围的所有整数，打乱顺序后直接取数，天然无重复：

• 先构造指定范围[min, max]的全量整数池，总元素数为max - min + 1
• 对整数池执行随机洗牌打乱顺序
• 按需要分配的对象数量，从打乱后的池子里依次取前N个值分配即可
  示例代码（Python）：

import random
min_val = 1
max_val = 100
assign_count = 20 # 待分配的对象总数，不得大于范围总元素数

# 生成全量整数池
num_pool = list(range(min_val, max_val + 1))
# 随机洗牌
random.shuffle(num_pool)
# 取对应数量的不重复随机数
unique_randoms = num_pool[:assign_count]

注意：分配的对象数量不能超过你指定范围的总元素数，否则不可能实现全不重复的要求

方案2：集合校验法（适合分配数量远小于范围大小的场景） #

实现思路是用集合存已经生成的随机数，重复就重新生成：

• 初始化空集合存储已生成的随机数
• 每次生成新随机数后判断是否在集合中：不存在则存入集合，存在则重新生成
• 直到集合大小等于需要分配的对象数量，即可取出分配
  示例代码（Python）：

import random
min_val = 1
max_val = 100
assign_count = 20

unique_randoms = set()
while len(unique_randoms) < assign_count:
    current_num = random.randint(min_val, max_val)
    unique_randoms.add(current_num)
# 转列表后按顺序分配
unique_randoms = list(unique_randoms)

选型参考 #

• 当分配数量占范围总元素数的比例超过20%时，优先用洗牌法，避免重复生成多次导致效率下降
• 当分配数量占比极低时，用集合校验法内存占用更低

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