遍历随机生成数组的最优方法 3个随机数数组求和≤21的更优实现方案

原代码逻辑正确，存在的可优化点主要是冗余变量冗余逻辑，以及高并发场景下的性能损耗，以下是不同场景下的最优实现：

单组生成场景（可读性优先） #

适合仅需要生成1组符合要求的数组的场景，代码简洁易维护，性能完全满足需求：

import numpy as np

rng = np.random.default_rng()
while True:
    rints = rng.integers(1, 11, size=3)
    if rints.sum() <= 21:
        break
print(rints, rints.sum())

优化点说明：

• 去掉了无意义的占位判断变量a，直接用while True表述循环逻辑，代码可读性更强
• 直接调用numpy数组自带的sum()方法，省略冗余的np.sum()调用
• 删除不必要的条件判断括号，符合PEP8编码规范

大量生成场景（性能优先） #

如果你需要生成几十上百组符合要求的数组，推荐用批量向量化方案，利用numpy的并行运算能力减少Python层循环开销，性能提升明显：

import numpy as np

rng = np.random.default_rng()
batch_size = 100  # 可根据需要生成的样本量调整大小
while True:
    # 一次性生成batch_size组随机数
    batch = rng.integers(1, 11, size=(batch_size, 3))
    # 批量计算每组的和
    sum_arr = batch.sum(axis=1)
    # 筛选所有符合条件的组
    valid_samples = batch[sum_arr <= 21]
    if len(valid_samples) > 0:
        # 取第一组符合要求的结果，需要多组的话直接取valid_samples即可
        rints = valid_samples[0]
        break
print(rints, rints.sum())

优化点说明：

• 把多次Python层的循环替换为numpy的向量化操作，生成1000组以上样本时性能是单组循环的10倍以上
• 一次批量生成即可拿到所有符合要求的样本，不需要重复执行随机数生成逻辑

轻量无依赖场景 #

如果你的项目不需要依赖numpy做其他运算，用Python标准库random实现更轻量，启动速度更快：

import random

while True:
    rints = [random.randint(1, 10) for _ in range(3)]
    if sum(rints) <= 21:
        break
print(rints, sum(rints))

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