如何用numpy.random.choice生成所有行互不重复的随机样本

numpy内置的np.random.choice仅支持一维数组的无重复抽样，要实现二维行维度的无重复样本生成，可以用以下两种成熟方案：

方案1：拒绝抽样法 #

适用场景：总可行样本量远大于请求生成的样本量（比如你示例中62^8≈2.18e14远大于1e6），实现简单运行效率极高

import numpy as np

def generate_unique_rows(n_candidates, row_len, n_samples):
    res = np.empty((0, row_len), dtype=int)
    while len(res) < n_samples:
        # 每次多生成20%的样本，减少循环次数
        batch_size = int((n_samples - len(res)) * 1.2)
        batch = np.random.choice(n_candidates, size=(batch_size, row_len))
        # 对当前批次去重
        batch = np.unique(batch, axis=0)
        # 和已有结果合并后再次去重
        if len(res) > 0:
            combined = np.vstack([res, batch])
            res = np.unique(combined, axis=0)
        else:
            res = batch
    return res[:n_samples]

# 对应你的需求调用
a = generate_unique_rows(62, 8, 1000000)
# 验证无重复
assert len(set([tuple(row) for row in a])) == a.shape[0]

该方案在你的示例场景下几乎不会出现重复样本，大多时候一次循环就能得到符合要求的结果。

方案2：整数映射抽样法 #

适用场景：请求样本量占总可行样本量比例较高，或者需要一次性生成无重复样本的场景
实现原理是将每行的多位数看作n_candidates进制的唯一整数，先对整数做无重复抽样，再转换回对应格式的行：

import numpy as np

def generate_unique_rows_mapped(n_candidates, row_len, n_samples):
    # 计算每个位置的进制权重
    powers = n_candidates ** np.arange(row_len - 1, -1, -1, dtype=np.int64)
    total_possible = n_candidates ** row_len
    if n_samples > total_possible:
        raise ValueError(f"请求样本数超过最大可行上限：{total_possible}")
    # 对映射后的整数做无重复抽样
    sampled_ints = np.random.choice(total_possible, size=n_samples, replace=False)
    # 转换为指定格式的行
    rows = np.zeros((n_samples, row_len), dtype=int)
    for i in range(row_len):
        rows[:, i] = sampled_ints // powers[i]
        sampled_ints = sampled_ints % powers[i]
    return rows

# 调用示例
a = generate_unique_rows_mapped(62, 8, 1000000)
assert len(set([tuple(row) for row in a])) == a.shape[0]

该方案不需要循环，生成的样本天生无重复，缺点是当row_len过大时，n_candidates ** row_len会超出整数存储范围，无法使用。

内容的提问来源于stack exchange，提问作者Juan Chô