更快地生成4000个唯一的伪随机笛卡尔坐标？

Question

x和y的范围是从0到99。在

我现在是这样做的：

excludeFromTrainingSet = []
while len(excludeFromTrainingSet) < 4000:
    tempX = random.randint(0, 99)
    tempY = random.randint(0, 99)
    if [tempX, tempY] not in excludeFromTrainingSet:
        excludeFromTrainingSet.append([tempX, tempY])

但这需要很长时间，我真的需要加快速度。在

有什么想法吗？在

Answer 1

我的建议是：

def method2(size):
    randints = range(0, 100)
    excludeFromTrainingSet = set()

    while len(excludeFromTrainingSet) < size:
        excludeFromTrainingSet.add((random.choice(randints), random.choice(randints)))
    return excludeFromTrainingSet

从第2代随机数中选择一个，然后从第2代中选择随机数，然后每隔一代生成一个随机数。正如其他人所指出的，只有10000种可能性，所以在你得到40000个之前你不能循环，但是你得到了要点。在

Answer 2

我肯定会有人来这里使用numpy，但是使用set和tuple怎么样？ E、 g.：

excludeFromTrainingSet = set()
while len(excludeFromTrainingSet) < 40000:
    temp = (random.randint(0, 99), random.randint(0, 99))
    if temp not in excludeFromTrainingSet:
        excludeFromTrainingSet.add(temp)

编辑：这不是一个无限循环，因为只有100^2=10000个可能的结果，而你一直等到得到40000个结果？在

Answer 3

Vincent Savard的answer速度几乎是这里提供的第一个解决方案的两倍。在

---

这是我的看法。它需要元组而不是列表来实现哈希：

def method2(size):
    ret = set()
    while len(ret) < size:
        ret.add((random.randint(0, 99), random.randint(0, 99)))
    return ret

只要确保这个限制是理智的，正如其他回答者所指出的那样。对于正常的输入，这是更好的算法O（n）而不是O（n^2），因为这是集合而不是列表。而且，python在加载局部变量方面比全局变量更有效，所以总是将这些内容放在函数中。在

编辑：实际上，我不确定它们是O（n）和O（n^2），因为概率分量，但是如果n作为它们看到的唯一元素的数目，估计是正确的。当它们接近可用空间的总数时，它们都会变慢。如果您想要接近可用总点数的点数，则最好使用：

^{pr2}$

这将是一个内存占用，但肯定会随着点密度的增加而更快，因为它避免了多次查看同一个点。另一个值得分析的选项（可能比上一个更好）是

def method3(size, min_, max_):
    range_ = range(min_, max_)
    points = list(itertools.product(range_, range_))

    N = (max_ - min_)**2
    L =  N - size
    i = 1
    while i <= L:
        del points[random.randint(0, N - i)]
        i += 1
    return points