Python如何高效生成符合True值数量条件的n长度布尔数组？

核心思路 #

该方案的效率痛点本质是走了“全量遍历二元组合→过滤无效结果”的弯路，而所有满足“固定数量True/1”的二元序列，本质等价于从序列所有位置里选出固定数量的位置标记为True/1，其余位置填充False/0，完全可以直接生成目标结果，跳过所有无效场景的计算。

针对当前“每个序列仅含1个True”需求的最简实现 #

当要求每个二元序列恰好包含1个True时，逻辑可以进一步简化：只需要依次遍历每个序列位置，每次在对应位置单独设置True、其余位置设为False即可，完全不需要复杂计算。
示例代码：

events = ['A', 'B', 'C']
event_length = len(events)
result = []
# 遍历每个可能放置唯一True的位置
for true_pos in range(event_length):
    # 初始化全False的序列
    seq = [False] * event_length
    # 当前位置设为True
    seq[true_pos] = True
    result.append(tuple(seq))

最终生成的结果完全匹配期望输出：
[(True, False, False), (False, True, False), (False, False, True)]

泛化场景的通用实现（支持任意指定True数量） #

如果后续业务需要的不是恰好1个True，而是任意k个True（k可以是1到序列长度的任意整数），可以直接用itertools.combinations替代之前的itertools.product，天生只生成符合要求的结果，无冗余计算：

• 首先对长度为m的事件列表，生成所有从0到m-1的位置索引中、选k个位置的组合
• 对每一组位置组合，初始化全False/0的序列，把组合对应的位置设为True/1，直接加入结果集即可

通用函数示例：

from itertools import combinations

def gen_valid_seq(event_total: int, required_true_count: int, use_int: bool = False):
    """
    直接生成所有长度为event_total、恰好含required_true_count个有效标记的二元序列
    :param event_total: 事件总数量，决定序列长度
    :param required_true_count: 每个序列要求的True/1数量
    :param use_int: 为True时用1/0替代True/False
    """
    true_mark = 1 if use_int else True
    false_mark = 0 if use_int else False
    # 直接枚举所有符合数量要求的位置组合，无冗余
    for selected_pos in combinations(range(event_total), required_true_count):
        seq = [false_mark] * event_total
        for pos in selected_pos:
            seq[pos] = true_mark
        yield tuple(seq)

效率对比 #

举个实际业务场景的例子：当事件列表长度为20，要求每个序列恰好有10个True时：

• 用itertools.product生成全量结果再过滤的方式，需要生成2^20=1048576个二元序列，其中仅184756个是符合要求的，90%以上的计算都是无效的
• 用上述combinations的实现方式，只需要枚举184756个目标组合，没有任何无效计算，内存和时间开销比前者低一个数量级以上

当事件列表长度较长、结果集规模较大时，上述生成器版本的实现可以避免一次性缓存所有结果占用过高内存，适配更长的事件列表场景。

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