Pythonic方法生成一个没有重复项的特定大小的列表？

我试图生成一个大小为

num\u cities

的

（x，y）

元组列表，约束条件是没有两个元组是相同的。是否有一种更短的、类似于python的方法可以使用set-comprehension或

itertools

？我目前有：

def make_random_cities(num_cities, max_x, max_y):    
    cities = set()
    while len(cities) < num_cities:
        x, y = randint(0, max_x), randint(0, max_y)
        cities.add((x, y))
    return list(cities)

def生成随机城市（数量城市、最大城市x、最大城市y）：
城市=集合（）
而len（城市）

如果最大值不太大，无法在内存中存储完整的可能性集（并且不会永远生成它们），并且可以在此处有效使用：

import itertools
import random

def make_random_cities(num_cities, max_x, max_y):
    return random.sample(list(itertools.product(range(max_x+1), range(max_y+1))), num_cities)

如果输入的

产品

太大，很容易超出主内存；在这种情况下，循环直到获得足够的唯一结果的方法可能是最好的方法

您可以独立地对每个

范围
进行采样，然后将它们组合在一起，但这会为每个轴添加唯一性约束，我猜这是您不想要的

对于这种特殊情况（遵循可预测模式的唯一数字），您可以使用一种技巧使该内存友好，同时仍然避免任意长循环的问题。您可以生成一个
范围
（或者在Py2中，
xrange
）来将
产品
中的两个唯一值编码为一个值，而不是将
范围
中的
产品
作为一个值：

def make_random_cities(num_cities, max_x, max_y):
    max_xy = (max_x+1) * (max_y+1)
    xys = random.sample(range(max_xy), num_cities)
    return [divmod(xy, max_y+1) for xy in xys]

这意味着您没有要存储的大型中间数据（因为Py3
range
/Py2
xrange
是“虚拟”序列，其存储要求与它们所代表的值的范围无关，并且是随机的。sample
生成样本而不需要读取底层序列的所有值）.
如果最大值不太大，无法在内存中存储完整的可能性集（并且不会永远生成它们），并且可以在此处有效使用：

import itertools
import random

def make_random_cities(num_cities, max_x, max_y):
    return random.sample(list(itertools.product(range(max_x+1), range(max_y+1))), num_cities)

如果输入的
产品
太大，很容易超出主内存；在这种情况下，循环直到获得足够的唯一结果的方法可能是最好的方法

您可以独立地对每个
范围
进行采样，然后将它们组合在一起，但这会为每个轴添加唯一性约束，我猜这是您不想要的

对于这种特殊情况（遵循可预测模式的唯一数字），您可以使用一种技巧使该内存友好，同时仍然避免任意长循环的问题。您可以生成一个
范围
（或者在Py2中，
xrange
）来将
产品
中的两个唯一值编码为一个值，而不是将
范围
中的
产品
作为一个值：

def make_random_cities(num_cities, max_x, max_y):
    max_xy = (max_x+1) * (max_y+1)
    xys = random.sample(range(max_xy), num_cities)
    return [divmod(xy, max_y+1) for xy in xys]

这意味着您没有要存储的大型中间数据（因为Py3
range
/Py2
xrange
是“虚拟”序列，其存储要求与它们所代表的值的范围无关，并且是随机的。sample
生成样本而不需要读取底层序列的所有值）.
如果城市数量远小于
max\u x*max\u y
，则您当前的代码可能是好的。如果它们靠得更近，生成重复坐标可能会浪费很多时间

另一种方法是生成所有可能的坐标，然后从中采样：

possible_coords = list(itertools.product(range(max_x), range(max_y))
sample = random.sample(possible_coords, len(cities))

生成城市列表总是需要
O（max_x*max_y）
，但如果城市数量增加，情况不会变得更糟。
如果城市数量远小于
max_x*max_y
，则您当前的代码可能很好。如果它们靠得更近，生成重复坐标可能会浪费很多时间

另一种方法是生成所有可能的坐标，然后从中采样：

possible_coords = list(itertools.product(range(max_x), range(max_y))
sample = random.sample(possible_coords, len(cities))

生成城市列表总是需要
O（max\u x*max\u y）
，但如果城市数量增加，情况不会变得更糟