嘿，我懂你现在的需求——已经搞定了单个浮点随机数和不重复整数的生成，现在就差怎么搞出k个不重复的浮点随机数了对吧？其实思路可以从你已经会的方法延伸过来，给你两个实用的方案：

方案1：利用集合自动去重（简单直观） #

这个路子最直接，和你生成不重复整数的思路有点像，但借助集合的特性省了手动判重的步骤：不停生成目标范围内的随机浮点数，把它们丢进集合里（集合天然拒绝重复元素），直到集合里的元素数量达到k就行。

优点是代码简单，容易理解；缺点是如果k很大或者浮点范围特别小，可能会因为重复率太高导致循环跑很久，不过日常场景下完全够用。

给你个Python的实现示例：

import random

def get_unique_floats(k, min_val, max_val):
    unique_nums = set()
    while len(unique_nums) < k:
        # 生成[min_val, max_val]之间的随机浮点数
        num = random.uniform(min_val, max_val)
        unique_nums.add(num)
    # 转成列表返回，方便后续处理
    return list(unique_nums)

# 测试：生成6个0到20之间的不重复浮点数
print(get_unique_floats(6, 0, 20))

方案2：整数映射法（高效稳定） #

既然你已经会生成不重复整数，那咱们直接复用这个能力，把整数映射成浮点数就好——这样完全不用担心重复问题，效率也高很多，适合k比较大的场景：

1. 先生成k个不重复的整数（选一个足够大的整数范围，确保能覆盖你需要的浮点精度）
2. 把每个整数线性映射到目标浮点区间里，这样每个整数对应唯一的浮点数，自然不会重复

还是Python的例子，你可以根据自己用的语言调整逻辑：

import random

def get_unique_floats_v2(k, min_val, max_val, precision=10**6):
    # 生成k个0到precision-1之间的不重复整数，precision决定浮点精度
    unique_ints = random.sample(range(precision), k)
    # 把整数映射到[min_val, max_val]区间
    unique_floats = [
        min_val + (num / precision) * (max_val - min_val) 
        for num in unique_ints
    ]
    return unique_floats

# 测试：生成8个1到100之间的不重复浮点数，精度到百万分之一
print(get_unique_floats_v2(8, 1, 100))

这里的precision可以根据你的需求调整：比如想要保留3位小数，就设成10**3，这样映射出来的浮点数精度足够，而且绝对不会重复——毕竟原始整数都是唯一的嘛。

小提醒 #

如果你的浮点范围特别小（比如0到0.0001）同时k又很大，那方案1可能会因为可生成的唯一浮点数不够而陷入死循环，这时候一定要用方案2，调整precision来确保有足够多的可区分浮点数。

内容的提问来源于stack exchange，提问作者humble