Python中random.sample和random.shuffle的区别是什么

Question

我有一个包含1500个元素的列表a_tot，我想以随机的方式将这个列表分成两个列表。列表a_1有1300个元素，列表a_2有200个元素。我的问题是如何用1500个元素随机化原始列表。当我把名单随机化后，我可以拿一片1300分，另一片200分。 一种方法是使用random.shuffle，另一种方法是使用random.sample。两种方法在随机化质量上有什么不同吗？列表1中的数据应为随机样本，列表2中的数据也应为随机样本。 有什么建议吗？ 使用随机播放：

random.shuffle(a_tot)    #get a randomized list
a_1 = a_tot[0:1300]     #pick the first 1300
a_2 = a_tot[1300:]      #pick the last 200

使用示例

new_t = random.sample(a_tot,len(a_tot))    #get a randomized list
a_1 = new_t[0:1300]     #pick the first 1300
a_2 = new_t[1300:]      #pick the last 200

Answer 1

在shuffle（）和sample（）之间有两个主要区别：

1）Shuffle将就地更改数据，因此其输入必须是可变序列。相反，sample生成一个新的列表，其输入可以有更多的变化（tuple、string、xrange、bytearray、set等）。

2）样本可以让你做更少的工作（即部分洗牌）。

有趣的是，通过演示可以根据sample（）实现shuffle（）来显示两者之间的概念关系：

def shuffle(p):
   p[:] = sample(p, len(p))

反之亦然，根据shuffle实现sample（）：

def sample(p, k):
   p = list(p)
   shuffle(p)
   return p[:k]

在shuffle（）和sample（）的实际实现中，这两种方法都没有那么有效，但它确实显示了它们的概念关系。