Python随机采样生成女性占多数的5人委员会时重复组问题求助

嘿，我来帮你搞定这个去重失效的问题～

为什么你的去重代码没起作用？ #

你现在的代码里用列表a来判断if a in combinations，但这里有两个核心问题：

1. 委员会是「组合」而非「排列」：random.sample返回的列表顺序是随机的，比如["l1", "l2", "m1"]和["l2", "l1", "m1"]其实是同一个委员会，但你的代码会把它们当成两个不同的列表存进去，根本没做到真正的去重。
2. 列表的成员判断效率低且易出错：即使是完全相同的元素列表，作为不同的列表对象，虽然in能判断，但10000次循环下这种方式效率极低，而且本质上没解决顺序导致的重复问题。

修复方案：用「排序元组+集合」实现高效去重 #

我们可以把抽样得到的委员会转换成排序后的元组（元组是不可变类型，可以存入集合），再用集合自动去重的特性来处理，这样不管抽样顺序如何，同一个组合只会被存一次。

修改后的代码如下：

import random

people = ["m1", "m2", "m3","m4", "m5", "m6" , "m7","m8", "l1", "l2", "l3", "l4", "l5", "l6", "l7", "l8", "l9"]
unique_committees = set()  # 用集合存，自动去重

for _ in range(10000):
    a = random.sample(people, k=5)
    # 优化女性数量统计：不用逐个count，用生成器表达式更简洁
    female_count = sum(1 for person in a if person.startswith('l'))
    if female_count >= 3:
        # 先排序再转元组，消除顺序影响
        committee = tuple(sorted(a))
        unique_committees.add(committee)

print(len(unique_committees))

额外优化：直接用组合数学计算准确结果 #

其实如果你的目标是计算符合条件的委员会总数，根本不需要随机抽样，用组合数公式直接计算更准确高效：
符合条件的情况是女性3人+男性2人、女性4人+男性1人、女性5人+男性0人，对应的组合数之和为：

import math

# 计算组合数C(n,k)
def comb(n, k):
    return math.comb(n, k) if k <=n else 0

total = comb(9,3)*comb(8,2) + comb(9,4)*comb(8,1) + comb(9,5)*comb(8,0)
print(total)  # 输出结果是 1596

这个结果是精确的，不需要依赖随机抽样的次数，也不会有误差。

内容的提问来源于stack exchange，提问作者hjjinx