在 Python 中生成唯一排列的最佳方法是什么？

Question

對於每個項目，我在 0 和 1 之間有 2 個選擇，我將 N 個元素一個接一個地排序，生成一個獨特的組合。

所以像這樣的東西（序列長度=10）：

0, 1, 0, 1, 0, 1, 0, 1, 0, 1
0, 0, 0, 1, 0, 1, 0, 1, 0, 1
0, 1, 1, 1, 0, 1, 0, 1, 0, 1
1, 1, 1, 1, 0, 1, 0, 1, 0, 1

如您所見，這些都是唯一的排列。 我將有 10000 個這樣的排列（例如）。 但關鍵信息是我不需要所有的排列，而是只保存一組有限的排列，最好是無序的，所以它更“隨機”一點。

我目前的解決方案是生成 0 和 1 之間的隨機數，並將它們生成一個最多 N 個元素的數組中的 append 個。 然后將這個數組變成一個字符串，如果這個字符串還沒有添加到我上面的列表中，那么添加這個，否則重復相同的步驟來生成不同的排列。

所以這意味着使用 while 循環。

有沒有更聰明或更優雅的方法來做到這一點？

Answer 1

• 這是一個二進制數，每個唯一的二進制數對應一個唯一的十進制數。
• 有 10 個地方，就有 2^10 = 1024 個唯一。
• 從這1024個中選10個不放回
• 將十進制轉換為二進制

生成 5 個唯一樣本，每個樣本 10 個數字

import numpy as np
n_digits = 10
n_sample = 5
for c in np.random.choice(np.power(2,n_digits), size=n_sample, replace=False):
  c = int("{0:b}".format(c))
  print (str(c).zfill(n_digits))

樣品運行

0100011110
0110110011
0100110001
1110011100
1110101011

編輯：

上面的代碼速度很快，但由於np.power(2,n_digits)導致溢出，因此不會擴展到更大的數字， np.random.choice將用完 memory。

為了將它擴展到非常大的序列，我們可以使用有點慢但非常不錯的機制，如下所示

n_digits = 200
n_sample = 10000
choices = []
cache = {}
while len(choices) < n_sample:
    c = np.random.randint(0,2,(n_digits))
    k = c.tostring()
    if not k in cache:
        cache[k] = True
        choices.append(c)

%timeit返回

27.4 ns ± 10.1 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

這是相當不錯的。

choices是 numpy arrays 的列表，如果你想將它轉換成文本，你可以使用

for i in range(len(choices)):
    choices[i] = np.array2string(choices[i], separator='')[1:-1].replace("\n", "").replace(" ", "")