Python 确保所有2**N组合以N个布尔值的M个随机输出生成

在下面的示例中，M=10和N=2，并且由于M远大于2**N，因此概率是，在本示例中，N个布尔值（真、真、（真、假）、（假、真）、（假、假）的每个可能组合将在M个输出中至少生成一次，如下所述

for _ in range(10):
...     choice1 = np.random.choice((True, False))
...     choice2 = np.random.choice((True, False))
...     print(choice1, choice2)
...     
False False
False False
True False
True False
True True
False True
True True
True True
True False
False False

但这并不能保证。获得10 X（假，假）或10 X（真，真）的概率很低，或者可能是一对特定组合（比如假，真）从未出现的情况

在“现实生活”中，打印内容被收益率报表取代，

choice1

和

choice2

伴随着其他几个随机生成的数字变量

我如何轻松地更改

选项1

和

选项2

的生成，以确保它们始终覆盖所有4种可能性，同时仍然保持（大部分）随机性，而不只是添加4个额外的非随机情况来强制发生

---

我觉得可以利用“选择而不替换”选项，但我想不出如何合并此选项。

如果您想确保在leat中使用每个可能的组合，那么您可以首先创建一个包含所有可能组合的列表，然后随机弹出（拾取并删除）一个元素。当列表为空时，您可以重新创建它

缺点是不能在弹出的所有元素之前两次获得相同的元素

以下代码似乎可以完成此任务：

随机导入
导入副本
来自itertools进口产品
M=10
N=2
#首先生成所有可能的组合：
所有组合\u ref=产品（[正确，错误]，重复=N）
所有组合=列表（复制。复制（所有组合参考））
#现在随机弹出一个元素：
对于范围内的i（M）：
如果len（所有_组合）==0：
所有组合=列表（复制。复制（所有组合参考））
打印（所有组合.pop（random.randint（0，len（所有组合）-1）））

---

希望这会对您有所帮助。

如果您想确保在leat中使用每个可能的组合，您可以先创建一个包含所有可能组合的列表，然后随机弹出（拾取并删除）一个元素。当列表为空时，您可以重新创建它

缺点是不能在弹出的所有元素之前两次获得相同的元素

以下代码似乎可以完成此任务：

随机导入
导入副本
来自itertools进口产品
M=10
N=2
#首先生成所有可能的组合：
所有组合\u ref=产品（[正确，错误]，重复=N）
所有组合=列表（复制。复制（所有组合参考））
#现在随机弹出一个元素：
对于范围内的i（M）：
如果len（所有_组合）==0：
所有组合=列表（复制。复制（所有组合参考））
打印（所有组合.pop（random.randint（0，len（所有组合）-1）））

---

希望这能对你有所帮助。

这个答案正是我想要的。它没有来自R Liab的一个缺点，尽管这有助于——谢谢——导出这个

import numpy as np
from itertools import product

N = 2
M = 10
possibles = product((True, False), repeat=N)

selection_pool = list(possibles)
not_yet_used = set(selection_pool)
m2go = M

while m2go > 0:
    if m2go <= len(not_yet_used):
        selection_pool = list(not_yet_used)
    used = selection_pool[np.random.choice(len(selection_pool))]
    not_yet_used.discard(used)
    print(*used)
    m2go -= 1

将numpy导入为np
来自itertools进口产品
N=2
M=10
可能性=产品（（真，假），重复=N）
选择池=列表（可能）
尚未使用=设置（选择池）
m2go=M
当m2go>0时：
如果m2go这个答案正是我想要的。它没有来自R Liab的一个缺点，尽管这有助于——谢谢——导出这个

import numpy as np
from itertools import product

N = 2
M = 10
possibles = product((True, False), repeat=N)

selection_pool = list(possibles)
not_yet_used = set(selection_pool)
m2go = M

while m2go > 0:
    if m2go <= len(not_yet_used):
        selection_pool = list(not_yet_used)
    used = selection_pool[np.random.choice(len(selection_pool))]
    not_yet_used.discard(used)
    print(*used)
    m2go -= 1

将numpy导入为np
来自itertools进口产品
N=2
M=10
可能性=产品（（真，假），重复=N）
选择池=列表（可能）
尚未使用=设置（选择池）
m2go=M
当m2go>0时：
如果你去