数据分析｜Fisher-Yates 洗牌算法（原地）

应用场景

随机打乱一个已存在于内存中的数组。

算法步骤

• 不妨设有待乱序的长度为 $n$ 的数组 $L$；
• 遍历 $n$ 次，在第 $i$ 次循环中（$0\le i<n$）：
  • 在 $[i,n)$ 中随机抽取一个下标 $j$；
  • 将第 $i$ 个元素与第 $j$ 个元素交换。

其中数组 $L$ 中的第 $k(k\ge i)$ 个元素为待乱序的数组，其长度为 $n-i$； 数组 $L$ 中的第 $l(l<i)$ 个元素为已乱序的数组，其长度为 $i$。$n$ 次遍历完成后，数组 $L$ 已被乱序。

算法证明

结论　原数组 $L$ 中的任意位置的数，被移动到乱序后数组的任意位置的概率是相同的。

证明　根据算法步骤，显然有，原数组中第 $i$ 个位置的元素（$0\le i<n$）移动到乱序后数组第 $j$ 个位置（$0\le j<n$） 的概率为
$$P(i,j)=\frac{n-1}{n}\times \frac{n-2}{n-1}\times \cdots \times \frac{n-i}{n-i+1}\times \frac{1}{n-i}=\frac{1}{n}$$
得证。

代码实现

import random
from typing import Any, List, NoReturn


def fisher_yates(nums: List[Any]) -> NoReturn:
    """Fisher-Yates 洗牌算法，原地乱序 nums 数组

    Parameters
    ----------
    nums : List[Any]
        待乱序数组
    """
    for i in range(len(nums)):
        j = random.randrange(i, len(nums))
        nums[i], nums[j] = nums[j], nums[i]

测试用例：

>>> nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> fisher_yates(nums)
>>> nums
[3, 10, 8, 2, 1, 4, 7, 9, 6, 5]
>>> fisher_yates(nums)
>>> nums
[2, 10, 8, 1, 4, 7, 9, 3, 5, 6]

复杂度分析

• 时间复杂度：$O(n)$，其中 $n$ 为待乱序数组长度。
• 空间复杂度：$O(1)$，原地乱序 nums 数组，仅使用 i、j 及调换 nums[i] 和 nums[j] 时使用的共 3 个中间变量。