如何在 numpy 中生成不重复的随机数？
list = np.random.random_integers(20,size=(10))
【问题讨论】：
标签： random numpy numbers non-repetitive
numpy.random.Generator.choice 提供了一个 replace 参数来采样，无需替换：
from numpy.random import default_rng
rng = default_rng()
numbers = rng.choice(20, size=10, replace=False)
如果您使用的是 1.17 之前的 NumPy，没有 Generator API，您可以使用标准库中的 random.sample()：
print(random.sample(range(20), 10))
你也可以使用numpy.random.shuffle()和slicing，但是这样效率会降低：
a = numpy.arange(20)
numpy.random.shuffle(a)
print a[:10]
在旧的numpy.random.choice 函数中还有一个replace 参数，但是由于随机数流稳定性保证，此参数的实现效率低下，因此效率低下，因此不建议使用它。 （它基本上在内部进行洗牌和切片。）
一些时间安排：
import timeit
print("when output size/k is large, np.random.default_rng().choice() is far far quicker, even when including time taken to create np.random.default_rng()")
print(1, timeit.timeit("rng.choice(a=10**5, size=10**4, replace=False, shuffle=False)", setup="import numpy as np; rng=np.random.default_rng()", number=10**3)) #0.16003450006246567
print(2, timeit.timeit("np.random.default_rng().choice(a=10**5, size=10**4, replace=False, shuffle=False)", setup="import numpy as np", number=10**3)) #0.19915290002245456
print(3, timeit.timeit("random.sample( population=range(10**5), k=10**4)", setup="import random", number=10**3)) #5.115292700007558
print("when output size/k is very small, random.sample() is quicker")
print(4, timeit.timeit("rng.choice(a=10**5, size=10**1, replace=False, shuffle=False)", setup="import numpy as np; rng=np.random.default_rng()", number=10**3)) #0.01609779999125749
print(5, timeit.timeit("random.sample( population=range(10**5), k=10**1)", setup="import random", number=10**3)) #0.008387799956835806
所以numpy.random.Generator.choice 是您通常想要的，除了非常小的输出大小/k。
【讨论】：
random.sample(range(n), 10)) 即使对于非常大的n 也会很有效，因为range 对象只是一个存储开始、停止和步进值的小包装器，但不会创建整数的完整列表。在 Python 2 中，您可以将 range 替换为 xrange 以获得类似的行为。
我认为numpy.random.sample 现在不能正常工作。这是我的方式：
import numpy as np
np.random.choice(range(20), 10, replace=False)
【讨论】：
range(n)（或arange(n)）作为choice的第一个参数，相当于只传递n，例如choice(20, 10, replace=False).
np.random.choice(a, size, replace=False) 对于大型 a 来说非常慢 - 在我的机器上，a=1M 大约需要 30 毫秒。
n 出现时间和内存问题，请使用numpy.random.Generator.choice（从 numpy v1.17 开始）
几年后，有些时候从 10000^2 中选择 40000 （Numpy 1.8.1，imac 2.7 GHz）：
import random
import numpy as np
n = 10000
k = 4
np.random.seed( 0 )
%timeit np.random.choice( n**2, k * n, replace=True ) # 536 µs ± 1.58 µs
%timeit np.random.choice( n**2, k * n, replace=False ) # 6.1 s ± 9.91 ms
# https://docs.scipy.org/doc/numpy/reference/random/index.html
randomstate = np.random.default_rng( 0 )
%timeit randomstate.choice( n**2, k * n, replace=False, shuffle=False ) # 766 µs ± 2.18 µs
%timeit randomstate.choice( n**2, k * n, replace=False, shuffle=True ) # 1.05 ms ± 1.41 µs
%timeit random.sample( range( n**2 ), k * n ) # 47.3 ms ± 134 µs
(为什么要从 10000^2 中选择 40000 ？
生成大
scipy.sparse.random
矩阵——scipy 1.4.1 使用np.random.choice( replace=False )，slooooow。）
向 numpy.random 人致敬。
【讨论】：
你也可以通过排序得到这个：
random_numbers = np.random.random([num_samples, max_int])
samples = np.argsort(random_numbers, axis=1)
【讨论】：
可以使用 Python 设置列表转换。 0到20之间的10个随机不重复数可以得到：
import random
numbers=set()
while(len(numbers)<10):
numbers.add(random.randint(0,20))
numbers=list(numbers)
random.shuffle(numbers)
print(numbers)
【讨论】：
只需生成一个包含所需数字范围的数组，然后通过重复将随机数字与数组中的第 0 个元素交换来打乱它们。这会产生一个不包含重复值的随机序列。
【讨论】：