面向3万名单实现选4次水果时相同元素概率20%的代码方法
30000个姓名水果选择结果生成方案
核心实现逻辑
- 先固定拆分分组规模:按总人数80%、20%的占比,将30000个姓名拆为两组,从根源上保证最终占比完全符合要求,避免逐人随机判断带来的比例随机波动。对应规模为24000个无重复场景名额、6000个带重复场景名额。
- 打乱姓名列表顺序后再执行拆分,避免原列表排序带来的分组偏差。
- 无重复组的选择结果采用不放回抽样生成,从机制上保证4个水果完全无重复。
- 带重复组的选择结果采用有放回抽样生成,校验结果存在重复后才保留,完全覆盖列出的所有重复场景示例。
参考实现代码
import random from collections import Counter # 固定随机种子,保证结果可复现 random.seed(42) # 基础配置 fruit_list = ["Apple", "Banana", "Orange", "Grape", "Kiwi", "Pineapple", "Watermelon", "Dragonfruit"] total_name_count = 30000 no_repeat_group_ratio = 0.8 fruit_choice_count = 4 # 计算分组规模 no_repeat_group_size = int(total_name_count * no_repeat_group_ratio) repeat_group_size = total_name_count - no_repeat_group_size # 替换为自有姓名列表即可,以下为示例生成逻辑 name_list = [f"参与人_{idx}" for idx in range(total_name_count)] # 打乱姓名顺序 random.shuffle(name_list) # 拆分两组 no_repeat_group = name_list[:no_repeat_group_size] repeat_group = name_list[no_repeat_group_size:] # 生成无重复组的选择结果 final_result = {} for name in no_repeat_group: # 不放回抽样4个水果,天然满足无重复要求 final_result[name] = random.sample(fruit_list, k=fruit_choice_count) # 生成带重复组的选择结果 for name in repeat_group: while True: # 有放回抽样4次 choices = [random.choice(fruit_list) for _ in range(fruit_choice_count)] # 校验:只要存在重复即保留(覆盖所有带重复的场景) if len(set(choices)) < fruit_choice_count: # 如果需要严格满足"恰好1对重复"(即重复数为2,其余为1),将上面的判断替换为: # fruit_count = Counter(choices).values() # if sorted(fruit_count) == [1, 1, 2]: final_result[name] = choices break # 结果校验 no_repeat_actual = sum(1 for res in final_result.values() if len(set(res)) == fruit_choice_count) repeat_actual = total_name_count - no_repeat_actual print(f"无重复结果数量:{no_repeat_actual},占比:{no_repeat_actual/total_name_count:.1%}") print(f"带重复结果数量:{repeat_actual},占比:{repeat_actual/total_name_count:.1%}")
灵活调整说明
- 当前代码默认覆盖列出的所有带重复的场景(含2个相同+2个不同、3个相同+1个不同、4个全相同的结果)。
- 如果需要严格匹配“恰好出现1对重复元素”的定义(即仅存在一组重复,重复元素共2个,剩余2个水果互不重复,排除3个相同、4个全相同的结果),直接替换代码中标注的校验逻辑即可。
- 30000人规模下的生成效率可满足要求:从8种水果中有放回抽4个,全不重复的概率约为41%,带重复组的校验重试次数极少,整体运行无性能压力。
内容的提问来源于stack exchange,提问作者JZG
相关产品推荐
相关产品推荐

