尽管Martijn
Pieters的答案是正确的，但当
samplesize变大时，它的确会减慢速度，因为
list.insert在循环中使用可能具有二次复杂度。
我认为，这是在提高性能的同时保持一致性的一种替代方法：
def iter_sample_fast(iterable, samplesize): results = [] iterator = iter(iterable) # Fill in the first samplesize elements: try: for _ in xrange(samplesize): results.append(iterator.next()) except StopIteration: raise ValueError("Sample larger than population.") random.shuffle(results) # Randomize their positions for i, v in enumerate(iterator, samplesize): r = random.randint(0, i) if r < samplesize: results[r] = v # at a decreasing rate, replace random items return resultssamplesize上面的值开始逐渐显示出差异
10000。致电时间
(1000000, 100000)：
- iter样本：5.05s
- iter_sample_fast：2.64秒
