如何生成1的数量呈均匀分布的Python随机二进制列表？

安全阿岳

2026-5-29

实现1的数量均匀分布的随机二进制列表

原来的代码之所以呈现钟形（二项）分布，是因为每个元素独立生成0/1，这本质上是重复n次伯努利试验，结果自然是二项分布——中间的k值（1的数量）概率最高，两端最低。要让每个k的出现概率一致，我们可以换个思路：

第一步：均匀随机选择1的数量k，k的取值范围是0到n（包含两端），每个k被选中的概率相等
第二步：在n个位置里随机挑选k个位置设为1，剩下的位置设为0，这样每个包含恰好k个1的二进制列表都是等概率生成的，不会破坏随机性

具体实现代码

import random

def rand_binary_list_uniform(n):
    # 均匀选择1的数量k
    k = random.randint(0, n)
    # 生成包含k个1和n-k个0的列表，再随机打乱
    binary_list = [1]*k + [0]*(n - k)
    random.shuffle(binary_list)
    return binary_list

验证分布是否均匀

我们用和你类似的统计代码来验证效果：

counts = {i:0 for i in range(11)}
for _ in range(10000):
    lst = rand_binary_list_uniform(10)
    k = sum(lst)
    counts[k] += 1

# 打印统计结果
for k in counts:
    print(f"1的数量为{k}: {counts[k]}次")

运行后你会看到每个k对应的计数都接近900-1000左右（10000次试验，11个可能的k值，平均每个约909次），比如可能得到类似这样的结果：