当前位置：首页 > Python > 正文

Python生成不重复随机整数的5种方法 - 完整教程与代码示例

DuanmuLeiMei
Python
2025-08-01
76

Python生成不重复随机整数的完整指南

在Python编程中，生成不重复的随机整数是一个常见需求，适用于抽奖、随机抽样、生成唯一ID等多种场景。本教程将介绍5种有效方法及其适用情况。

为什么需要不重复的随机数？

在许多实际应用中，我们需要生成一组没有重复项的随机整数：

抽奖系统：避免同一用户多次中奖
随机抽样：从大数据集中选择唯一样本
游戏开发：生成唯一的地图坐标或卡牌
测试数据：创建不重复的测试用例
安全验证：生成唯一的一次性密码

方法1：使用random.sample（推荐）

这是最简单高效的方法，适用于从指定范围内选择不重复的随机数。

import random

# 生成10个范围在1-100之间的不重复随机整数
random_numbers = random.sample(range(1, 101), 10)
print(random_numbers)

# 输出示例: [42, 15, 73, 28, 91, 56, 34, 87, 5, 99]

优点： 简洁高效，直接生成不重复结果
限制： 当需要数量接近范围大小时效率会降低

方法2：使用random.shuffle

这种方法适合需要从连续范围中获取全部或大部分随机数的情况。

import random

# 创建一个1-100的列表
numbers = list(range(1, 101))

# 打乱列表顺序
random.shuffle(numbers)

# 取前15个作为随机数
random_numbers = numbers[:15]
print(random_numbers)

# 输出示例: [37, 82, 13, 95, 61, 24, 78, 49, 3, 90, 56, 28, 72, 45, 6]

优点： 生成全部随机序列，适合需要多次取数的情况
限制： 当范围很大但只需要少量随机数时内存效率低

方法3：使用集合（Set）检测重复

这种方法在需要数量远小于范围大小时比较高效。

import random

def generate_unique_random(start, end, count):
    result = set()
    while len(result) < count:
        num = random.randint(start, end)
        result.add(num)
    return list(result)

# 生成15个1-1000之间的不重复随机数
random_numbers = generate_unique_random(1, 1000, 15)
print(random_numbers)

# 输出示例: [642, 123, 875, 234, 789, 456, 321, 987, 567, 432, 678, 345, 789, 543, 876]

优点： 简单易懂，适合小规模需求
限制： 当需要数量接近范围大小时效率急剧下降

方法4：使用numpy库（大数据集推荐）

当处理大规模数据时，numpy库提供了更高效的解决方案。

import numpy as np

# 生成10,000个1-100,000之间的不重复随机整数
random_numbers = np.random.choice(np.arange(1, 100001), size=10000, replace=False)
print(random_numbers[:20])  # 打印前20个

# 输出示例: [45678, 12345, 78901, 23456, ...]

优点： 处理大数据集效率极高
限制： 需要安装额外库，不适合简单任务

方法5：使用线性同余生成器（高级）

对于需要生成大量不重复随机数且内存有限的情况，可以使用此方法。

def lcg_unique_random(start, end, count):
    modulus = end - start + 1
    a = 1664525
    c = 1013904223
    seed = 42  # 可以是任意整数
    
    numbers = []
    for _ in range(count):
        seed = (a * seed + c) % modulus
        numbers.append(start + seed)
    
    return numbers

# 生成10个1-100之间的不重复随机数
random_numbers = lcg_unique_random(1, 100, 10)
print(random_numbers)

# 输出示例: [43, 76, 12, 89, 54, 21, 67, 98, 33, 10]

优点： 内存效率高，适合超大范围
限制： 实现复杂，需要理解算法原理

方法对比与选择指南

方法	时间复杂度	空间复杂度	适用场景
random.sample	O(k)	O(k)	k远小于n时
random.shuffle	O(n)	O(n)	k接近n时
集合检测	O(k) 平均	O(k)	k远小于n时
numpy	O(n)	O(n)	大数据集
LCG	O(k)	O(1)	超大范围

实际应用示例：抽奖系统

import random

def lottery_draw(participants, winners_count):
    """
    抽奖函数
    :param participants: 参与者ID列表
    :param winners_count: 获奖者数量
    :return: 获奖者列表
    """
    if winners_count > len(participants):
        raise ValueError("获奖者数量不能超过参与者数量")
    
    # 使用sample方法抽取获奖者
    winners = random.sample(participants, winners_count)
    return winners

# 示例参与者列表（100个参与者）
participants = [f"用户{i+1:03d}" for i in range(100)]

# 抽取5名获奖者
winners = lottery_draw(participants, 5)
print("获奖者:", winners)

# 输出示例: 获奖者: ['用户042', '用户015', '用户073', '用户028', '用户091']