回首忆惘然
长话短说：from random import uniformdef gen_coords(x1, y1, x2, y2, n): result = set() # loops for each addition, avoiding duplicates while len(result) < n: result.add((uniform(x1, x2), uniform(y1, y2))) return result可以说，实际上：from random import uniformdef gen_coords(x1, y1, x2, y2, n): return [(uniform(x1, x2), uniform(y1, y2)) for _ in range(n)]考虑到碰撞的可能性很小。假设“起始坐标和终止坐标之间”是指在笛卡尔坐标系（即平面、2D）中这两个角之间的矩形截面中。并假设充分实现“均匀分布”，忽略浮点值的非均匀分布。（即，在任何相等长度的间隔上，浮点值的数量不是完全相同，也不是连续体中浮点值之间的恒定距离）基本上有三种方法可以确保随机生成的点不重复：从可能值的集合中选择它们，删除每个选择以避免再次选择；在允许的空间内生成值，将每个选择与之前的选择进行检查，以避免添加重复项（并重新选择值，直到生成新值）；生成值并添加到集合中，直到达到所需的集合大小，生成后删除重复项（如果有）并重复该过程直至完成。如果从中选取值的空间大小与目标集大小相似，第一个选项可能是一个不错的选择。然而，当在某些空间中选取具有随机浮点坐标的点时，这种情况不太可能发生。第二种选择是最直接的，但如果目标集大小很大，则计算成本可能会很高，因为每个新选择都会导致更多比较。第三种选择涉及更多一些，但在候选目标集完成之前避免进行比较，如果冲突的可能性很小，这当然是最佳选择。作为第二个选择的变体，您可以选择一个目标数据结构，完全避免添加重复项，依靠语言/解释器比用该语言编写的任何算法更有效地执行检查。在Python中，这意味着使用 aset而不是 a list，这是实现结果的最快方法，并且可能是您在第三个选项中检查重复项的方法 - 所以您也可以立即使用它并使用第二个选项的变体。请注意，如果您尝试在选择函数的范围内创建大于选择函数域的集合，则第二个和第三个选项都有一个重大缺陷。但对于给定的问题，除了非常大的“n”之外，这是不可能的。解决方案（将第二个选项与第三个选项进行比较）：from random import uniformfrom timeit import timeitdef pick_coords_restricted(x1, y1, x2, y2, n): result = set() # loops for each addition, avoiding duplicates while len(result) < n: result.add((uniform(x1, x2), uniform(y1, y2))) return resultdef pick_coords_checked(x1, y1, x2, y2, n): result = [] # loops once for attempt, checking after each iteration while len(set(result)) < n: if len(result) > 0: result = list(set(result)) result += [(uniform(x1, x2), uniform(y1, y2)) for _ in range(n - len(result))] else: result = [(uniform(x1, x2), uniform(y1, y2)) for _ in range(n)] return resultprint(timeit(lambda: pick_coords_restricted(0, 0, 1, 1, 1000), number=10000))print(timeit(lambda: pick_coords_checked(0, 0, 1, 1, 1000), number=10000))结果（在我的硬件上）：4.37993413.9363368000000003我得到了一致的、但稍微更好的函数结果pick_coords_checked——我赞成第一个实现的清晰度。