将标量值列表划分为分布相似的等大小分组

嘿，你的这个实现思路真的很棒！完全契合你“优先简洁性”的需求——这种轮询式分配排序后元素的方法，本质是一种简单高效的分层抽样思路，能很好地保证各组的分布相似性。

为什么这个方法有效？ #

先把所有值排序，相当于把数据按大小区间划分好，然后从最大（或最小）的元素开始，轮流分配到每个分组中。这样每个分组都会覆盖不同大小区间的元素，不会出现某组全是极值、某组全是中间值的情况，自然各组的分布就会高度相似。

你的伪代码实现（整理后） #

sort values
create K empty groups: group_1, ... group_k
while values is not empty:
for group in groups:
group.add(values.pop())
if values is empty:
break

具体代码示例（Python） #

这里给你写一个更落地的简洁实现，和你的伪代码逻辑完全一致：

def split_into_similar_groups(values, k):
    sorted_vals = sorted(values)
    groups = [[] for _ in range(k)]
    idx = len(sorted_vals) - 1  # 从末尾开始取，对应pop()的逻辑
    while idx >= 0:
        for group in groups:
            if idx < 0:
                break
            group.append(sorted_vals[idx])
            idx -= 1
    return groups

举个实际例子：如果输入是[1,2,3,4,5,6,7,8]，k=2，运行后会得到两组[8,6,4,2]和[7,5,3,1]，两组的均值都是5，分布几乎完全一致。

另外，当总元素数不能被K整除时，这个逻辑也能自动处理——最后剩下的几个元素会依次加到前面的分组里，分组大小最多相差1，完全不影响整体分布的相似性。

内容的提问来源于stack exchange，提问作者tmakino