Python 有没有办法提高生成随机x-y坐标的算法的效率？

我正在研究一种算法，它可以在一张大图像上随机绘制物体。这是我目前的工作流程

我定义一个表示图像尺寸的空间，并启动一个空数组（restrictList）

使用genLoc函数，我随机选取一个点（x，y）。拾取第一个点时，限制列表为空

然后计算对象将占用的所有点。这些点将添加到阵列（限制列表）

然后我再次调用genLoc，选择另一个随机变量（x，y）。如果（x，y）exists为restrictList，则该函数将再次调用自身

这将继续，直到我们选择了一个不在限制列表中的随机点

问题如下，随着绘制的对象越来越多，array-restrictList的大小也会增加。在每次迭代中，选择一个有效的随机点需要更长的时间。我在这里看到的最大缺陷是，我重复从图像空间中拾取一个随机坐标，这是在浪费处理能力。我尝试的一种替代方法是使用数组-

[x代表x，如果x不在限制列表中，则代表所有可能的点]

并选择一个随机索引。这需要更长的时间，因为数组AllPossiblePoints非常大。我想我需要一种方法来确保restrictList中的（x，y）坐标不会首先被随机生成

def genLoc(x,y, restrictList):

Valx = randint(0, x)
Valy = randint(0, y)

point = (Valx, Valy)
if point in restrictList:
    return genLoc(dimx, dimy, restrictList)

elif point not in restrictList:
    return point

修改

---

此解决方案要求您提前生成所有可能的坐标。它使用集合和集合逻辑来消除使用时的可能性。random.sample用于从可能的点中选择一个点。我的mre是为了说明-（一切都是线性的）

---

s.difference\u update（t）

的时间复杂度为O（len（t））

这解决了寻找尚未使用的随机坐标的问题

---

无法评估预先创建所有坐标的成本。如果成本太高，那么可能不得不重新寻找可用的坐标。使用集合保留所有限制点将减少成员资格测试的时间。

我看到的一个常见解决方案是随机洗牌

所有可能的点

，然后只从末尾剥离项目。这是否回答了您的问题？否则使用整个点空间的

random.sample

points=random.sample（所有可能的点，所放置对象的编号）

-我认为只有当x和y没有显著的大小时，这才是一个好方法。是这样吗？使用集合而不是列表来保存限制点。这应该会有所帮助，感谢您的回答，问题是当选择一个点时，其周围的一定数量的点（x，y）不再有效。这是基于我们正在绘制的最大对象。我这样做是为了在绘图时没有重叠。例如，我们首先选择（10,5）并使用它来绘制对象（y），假设最大的对象是（z）。以下矩形中的所有点都无效（10长度（z）、5高度（z）、10+长度（y）、5+高度（y）。在我的解决方案中，这些点位于restrictList数组中。

import random

# fake function that identifies
# unusable points after placing an object
def calc_objectspace(point,obj=None):
    objdims = range(-5,5)
    # linear all the same size
    objspace = set(point+n for n in range(-5,5))
    objspace.add(point)    # as needed
    return objspace

# make all the points as a set
allthestuff = set(range(10000))

# iterate over the objects getting placed
for obj in range(10):
    # random.choice won't work with a set
    point = random.sample(allthestuff,1)[0]
    # determine occupied points
    obj_space = calc_objectspace(point)
    # reduce the possible points
    allthestuff.difference_update(obj_space)
    print(len(allthestuff))