嘿，这个问题我之前也碰到过——当K和N接近的时候，那种「随机生成→检查合规性→不合规就重来」的思路完全行不通，纯纯浪费算力。下面给你几个高效的实现方案，不管K远小于N还是几乎等于N都能完美应对：

方法1：先保证全覆盖，再随机填充（最推荐） #

这是最直观也最高效的思路，从根源上避免了重复检查的问题：

1. 先构建基础数组：直接生成包含1到K的数组，这一步就确保了每个数至少出现一次；
2. 补充随机元素：生成N-K个1到K的随机整数，把它们追加到基础数组后面；
3. 打乱数组顺序：把合并后的数组彻底打乱，让元素分布随机。

用NumPy实现的代码如下：

import numpy as np

def generate_full_coverage_array(N, K):
    if K > N:
        raise ValueError("参数错误：K必须小于等于N")
    
    # 生成包含1~K的基础数组，确保每个数至少出现一次
    base_elements = np.arange(1, K + 1)
    # 生成需要补充的随机元素
    extra_elements = np.random.randint(1, K + 1, size=N - K)
    # 合并数组并打乱顺序
    combined_array = np.concatenate([base_elements, extra_elements])
    np.random.shuffle(combined_array)
    
    return combined_array

这个方法的优势非常明显：

• 时间复杂度是O(N)，完全不需要任何重复检查，效率拉满；
• 适配所有K≤N的场景，包括N=K（此时就是1~K的随机排列）。

方法2：基于排列的变种（适合K极接近N的场景） #

当K和N几乎相等时（比如N=K+1或N=K+2），你也可以换个思路：先生成1~K的随机排列，再随机挑选几个数重复添加进去，最后打乱。本质上和方法1一致，但表述上更贴合这种极端场景，代码实现也类似，这里就不重复写了。

避坑提示 #

• 绝对不要用「生成→检查→重试」的笨方法：当K接近N时，生成合规数组的概率极低。比如K=100，N=101，满足条件的概率大概是101 / 100^100，几乎不可能一次生成成功，纯粹是浪费算力；
• 注意NumPy API的变化：np.random.random_integers已经被弃用，现在推荐使用np.random.randint（注意它的区间是左闭右开，所以要写np.random.randint(1, K+1)才能生成1到K的整数）；
• 如果N=K（即需要无重复的随机排列）：直接用np.random.permutation(np.arange(1, K+1))即可，比上面的方法更简洁。

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