Python中生成指定范围随机整数后，如何存储剩余未选中的整数？

嘿，这个问题我之前也碰到过！用~ind不行是因为它是按位取反，不是集合意义上的“补集”——它会把数组里每个元素的二进制位翻转，完全不是你想要的效果。下面给你两种实用的解决方案：

方法1：用np.setdiff1d直接求集合差集 #

这是最直观的方法，直接计算完整范围数组和选中数组的差集，还能自动处理ind里可能存在的重复值：

import numpy as np

TOTAL_SIZE = 50000
np.random.seed(0)
ind = np.random.randint(TOTAL_SIZE, size=(5000,))

# 生成0到TOTAL_SIZE-1的完整数组，再求差集
full_range = np.arange(TOTAL_SIZE)
remaining_numbers = np.setdiff1d(full_range, ind)

这个方法返回的结果是排序后的数组，如果你的场景不要求顺序，这个方法足够简单好用。

方法2：用布尔掩码标记未选中值 #

如果能保证ind里没有重复的随机数（比如你其实想生成无重复的样本），可以先用np.random.choice生成无重复的ind，再用掩码快速筛选：

import numpy as np

TOTAL_SIZE = 50000
np.random.seed(0)
# 生成无重复的5000个随机整数
ind = np.random.choice(TOTAL_SIZE, size=5000, replace=False)

# 创建全True的掩码，把选中的位置设为False
mask = np.ones(TOTAL_SIZE, dtype=bool)
mask[ind] = False
# 提取未被选中的数
remaining_numbers = np.arange(TOTAL_SIZE)[mask]

这个方法的效率更高，而且返回的数组保持了原范围的顺序（从0到49999依次筛选未选中的值）。

小提示：如果你的需求是“无重复随机采样+获取剩余值”，优先用方法2，因为randint可能会生成重复值，而choice的replace=False参数能确保每个数只被选一次，后续处理也更省心。

内容的提问来源于stack exchange，提问作者Jose Ramon