LeetCode 384. Shuffle an Array (Shuffle 数组最经典题!!!)

关注

原创最新推荐文章于 2026-07-01 14:55:55 发布 875 阅读 AI 写同款· GEO 优化 ›

浅谈深度学习shuffle问题在模型训练前，我们往往对数据进行shuffle，即随机打乱数据，为什么要这么做呢？不这么做会出现什么问题？何时应该shuffle，何时不该shuffle呢？下面，本文就以上三个问题发表下自己的拙见。 Q1：为什么要进行shuffle？ A1：不论是机器学习还是深度学习，我们总是基于数据独立同分布的假设条件，也就是说，数据的出现应该是随机的，而不是按照某种顺序排列好的。以上就是需要shuffle的根本原因。因此，我们需要在每个epoch的开始把数据shuffle一下。 Q2：不shuffle会. 阅读详情

Shuffle an Array
Medium
Shuffle a set of numbers without duplicates.

Example:

// Init an array with set 1, 2, and 3.
int[] nums = {1,2,3};
Solution solution = new Solution(nums);

// Shuffle the array [1,2,3] and return its result. Any permutation of [1,2,3] must equally likely to be returned.
solution.shuffle();

// Resets the array back to its original configuration [1,2,3].
solution.reset();

// Returns the random shuffling of array [1,2,3].
solution.shuffle();

解法1：从数组尾部开始，每次从nums[0]到nums[i]中随机取一个数与nums[i]交换。如果碰巧取到nums[i]也没关系，只是多做一次swap而已。
这种方法不知道是叫Knuth shuffle还是Fisher-Yates shuffle？

代码如下：

   class Solution {
public:
    Solution(vector<int> nums): v(nums) {}
    
    /** Resets the array to its original configuration and return it. */
    vector<int> reset() {
        return v;
    }
    
    /** Returns a random shuffling of the array. */
    vector<int> shuffle() {
        vector<int> res = v;
        int n = v.size();
        for (int i = n - 1; i >= 0; --i) {
            int t = rand() % (i + 1);
            swap(res[i], res[t]);
        }
        return res;
    }
    
private:
    vector<int> v;
};

解法2：
类似解法1。只是从数组前面开始做。

    vector<int> shuffle() {
        vector<int> res = v;
        for (int i = 0; i < res.size(); ++i) {
            int t = i + rand() % (res.size() - i);
            swap(res[i], res[t]);
        }
        return res;
    }

下面这2个链接讲的非常好：
1）https://yjk94.wordpress.com/2017/03/17/%E6%B4%97%E7%89%8C%E7%9A%84%E6%AD%A3%E7%A1%AE%E5%A7%BF%E5%8A%BF-knuth-shuffle%E7%AE%97%E6%B3%95/
2）
https://www.cnblogs.com/luxiaoxun/archive/2012/09/09/2677267.html

下面内容引用自2)：
1）在不知道文件总行数的情况下，如何从文件中随机的抽取一行，并且每行被抽中的概率相等？
伪代码如下：

Element RandomPick(file): 
Int count = 0; 
while(count <= file.size) 
    If(random(0,count) == 0) 
        picked = file[count]; 
    ++ count; 
Return picked

事实上这就是蓄水池算法的k=1的特殊情形。
2）蓄水池算法：
对其进行扩展，即如何从未知或者很大样本空间随机地取k个数？
类比下即可得到答案，即先把前k个数放入蓄水池，对于第 i>=k+1，我们以 k/i 概率决定是否要把它换入蓄水池，换入时随机的选取一个作为替换项，这样一直做下去，对于任意的样本空间n，对每个数的选取概率都为k/n。也就是说对每个数选取概率相等。
伪代码如下：

init a reservoir with the size k
add the first k elements into the reservoir
for i = k+1 to N
    m = random(1,i);
    if(m < k)
        swap the m_th value and i_th value
end for

以蓄水池算法为基础的一道题目 (参考九章)：
问题描述：给你一个 Google 搜索日志记录，存有上亿挑搜索记录（Query）。这些搜索记录包含不同的语言。随机挑选出其中的 100 万条中文搜索记录。假设判断一条 Query 是不是中文的工具已经写好了。

解法如下: 假设你一共要挑选 N 个 Queries，设置一个 N 的 Buffer，用于存放你选中的 Queries。对于每一条飞驰而过的Query，按照如下步骤执行你的算法：

如果非中文，直接跳过
如果 Buffer 不满，将这条 Query 直接加入 Buffer 中
如果 Buffer 满了，假设当前一共出了过 M 条中文 Queries，用一个随机函数，以 N / M 的概率来决定这条 Query 是否能被选中留下。
3.1 如果没有选中，则跳过该 Query，继续处理下一条 Query
3.2 如果选中了，则用一个随机函数，以 1 / N 的概率从 Buffer 中随机挑选一个 Query 来丢掉，让当前的 Query 放进去。

为什么这样做就可以实现等概率地抽取呢? 我们用 5 条 Queries 里挑 3 条来作为例子证明每条 Query 被挑中的概率都是 3/5。

依次处理每条 Query，前 3 条 Queries 直接进入 Buffer => [1,2,3]，此时前 3 条 Queries 被选中的概率 100%
第 4 条 Query 处理时，有 3/4 的概率被留下，那么第 4 条 Query 被选中的概率此时就是 3/4。
第 4 条 Query 处理时，如果留下之后，会从 Buffer 中以 1/3 的概率踢走一条 Query。那么这些在 Buffer 中留下包含两种情况：一种是第 4 条 Query 没有被选中，概率为1/4；第二种是第 4 条 Query被选中的条件下，没有被踢走，概率是3/4 * 2/3。所以总概率是1/4 + 2/3 * 3/4 = 3/4。其中 1/4 是第 4 条 Query 没有被选中的概率。
综上在处理到第 4 条 Query 的时候，所有 Query 被选中的概率均为 3/4。
第 5 条 Query 处理时，有 3/5 的概率被留下，那么第 5 条 Query 被选中的概率此时就是 3/5。
第 5 条 Query 处理时，如果留下之后，会从 Buffer 中以 1/3 的概率踢走一条 Query。前4条Query能够顺利进入Buffer并被留下，首先要满足大前提，第四条Query处理后被留下来，概率为3/4。在这个大前提下，同3.分两种情况，第一种是第 5 条 Query没有被选中，概率是2/5；第二种是第 5 条 Query被选中的前提下，没有被踢走，概率是3/5 * 2/3。总概率为：：3/4 * (2/5 + 2/3 * 3/5) = 3/5。