如何在numpy中生成非重复随机数？
list = np.random.random_integers(20,size=(10))
Answers:
numpy.random.Generator.choice提供一个replace参数以进行采样而无需替换：
from numpy.random import default_rng
rng = default_rng()
numbers = rng.choice(20, size=10, replace=False)
如果您使用的是1.17之前的NumPy，没有GeneratorAPI，则可以random.sample()从标准库中使用：
print(random.sample(range(20), 10))
您也可以使用numpy.random.shuffle()和切片，但这会降低效率：
a = numpy.arange(20)
numpy.random.shuffle(a)
print a[:10]
replace在遗留numpy.random.choice函数中也有一个参数，但是由于随机数流的稳定性保证，该参数的实现效率低下，然后变得效率低下，因此不建议使用它。（它基本上是在内部执行随机播放和切片操作。）
import random吗
random.sample(range(n), 10))即使对于非常大n的range对象也将非常有效，因为对象只是存储开始，结束和步长值的小包装，而不会创建整数的完整列表。在Python 2中，您可以替换range为xrange以获得类似的行为。
我认为numpy.random.sample现在不行。这是我的方式：
import numpy as np
np.random.choice(range(20), 10, replace=False)
range(n)（或arange(n)）作为第一个参数choice，它等效于just pass n，例如choice(20, 10, replace=False)。
np.random.choice(a, size, replace=False)对于大型a计算机来说非常慢-在我的机器上，对于1M大约30毫秒。
n使用的时间和内存问题numpy.random.Generator.choice（从numpy v1.17开始）
几年后，从10000 ^ 2中选择40000（Numpy 1.8.1，imac 2.7 GHz）的一些时间安排：
import random
import numpy as np
n = 10000
k = 4
np.random.seed( 0 )
%timeit np.random.choice( n**2, k * n, replace=True ) # 536 µs ± 1.58 µs
%timeit np.random.choice( n**2, k * n, replace=False ) # 6.1 s ± 9.91 ms
# https://docs.scipy.org/doc/numpy/reference/random/index.html
randomstate = np.random.default_rng( 0 )
%timeit randomstate.choice( n**2, k * n, replace=False, shuffle=False ) # 766 µs ± 2.18 µs
%timeit randomstate.choice( n**2, k * n, replace=False, shuffle=True ) # 1.05 ms ± 1.41 µs
%timeit random.sample( range( n**2 ), k * n ) # 47.3 ms ± 134 µs
（为什么要从10000 ^ 2中选择40000？要生成大的
scipy.sparse.random
矩阵-scipy 1.4.1使用np.random.choice( replace=False )slooooow。）
给numpy.random人士戴上帽子。
只需生成一个包含所需数字范围的数组，然后通过将一个随机数与该数组中的第0个元素重复交换就可以对它们进行混洗。这将产生一个不包含重复值的随机序列。