在重复迭代期间更有效的洗牌

Question

我需要对列表进行任意次数的迭代，yield以随机顺序排列列表中的每个元素（每次遍历完整列表时使用不同的顺序）。我需要在第二次产生该元素之前产生每个元素一次，在第三次产生该元素之前产生每个元素两次，等等。

目前，我的代码如下所示：

def random_yield(data):
  random.shuffle(data)
  data_index = 0
  while True:
    yield data[data_index]
    data_index += 1

    if data_index == len(data):
      random.shuffle(data)
      data_index = 0

有没有办法更有效地做到这一点，所以我不会在每个 len(data) yields 之后支付 random.shuffle() 的性能损失？

Answer 1

您可以在每次迭代中执行 Fisher-Yates 洗牌，从而在每次迭代中平均分配成本。这并没有更高效——事实上，它可能效率更低，因为库函数可能比 Python 代码更快——但它避免了长时间的停顿。

该代码与每次仅抓取一个随机元素没有太大区别。唯一的区别是你从向量的一个子集中抓取随机元素：

from random import randrange
def random_yield(data):
  index = 0
  limit = len(data)
  while True:
    if index + 1 >= limit:
      yield data[index]
      index = 0
    else:
      # Get a random element which we haven't yet used this cycle
      # (This is a single iteration of the F-Y shuffle algorithm)
      j = randrange(index, limit)
      rv = data[j]
      yield rv
      # Swap the element we just selected so its not in the next subrange
      data[j] = data[index]
      data[index] = rv
      index += 1