如何在Python中轻轻地打乱列表

我遇到这个问题，我想对列表进行洗牌，但只能稍微做一些。比如说，我只想移动少量元素。有没有一种简单的方法可以完成这项工作？

现在我能想到的最好的方法是手动构建我自己的方法，但是有什么方法可以使用random图书馆为我做这个？

为了展示其中一些解决方案的作用，我发现多次运行蒙特卡罗算法并查看分布会有所帮助

首先是 @meta4 解决方案的整理版本，因为它是最充实的：

from random import randrange

def partial_shuffle(l, factor=5):
    n = len(l)
    for _ in range(factor):
        a, b = randrange(n), randrange(n)
        l[b], l[a] = l[a], l[b]

我们可以通过执行以下操作多次运行：

import numpy as np

n = 8
orig = list(range(n))
occur = np.zeros((n, n), int)

for _ in range(100000):
    x = orig[:]
    partial_shuffle(x,1)
    occur[orig,x] += 1

如果我们以百分比的形式打印出现次数表，我们会得到：

[[33.5  9.6  9.5  9.4  9.4  9.6  9.5  9.5]
 [ 9.6 33.2  9.7  9.5  9.6  9.6  9.4  9.4]
 [ 9.5  9.6 33.2  9.5  9.6  9.5  9.6  9.5]
 [ 9.5  9.3  9.6 33.4  9.5  9.5  9.5  9.6]
 [ 9.4  9.6  9.4  9.6 33.3  9.5  9.7  9.5]
 [ 9.6  9.5  9.6  9.6  9.4 33.3  9.5  9.6]
 [ 9.4  9.7  9.5  9.5  9.5  9.6 33.2  9.7]
 [ 9.5  9.5  9.6  9.5  9.7  9.5  9.6 33.2]]

每行代表该项目移动到该列的概率。在这种情况下（当n=8）该算法倾向于将元素留在原来的位置，大约 33% 的时间，然后均匀地选取剩余部分

然后我可以运行 pjs 代码的（整理后的）版本：

from random import gauss

orderliness = 2

occur = np.zeros((n, n), int)

for _ in range(100000):
    x = sorted(orig, key=lambda i: gauss(i * orderliness, 1))
    occur[orig,x] += 1

这给出了非常不同的输出：

[[91.9  7.9  0.1  0.   0.   0.   0.   0. ]
 [ 7.9 84.1  7.8  0.1  0.   0.   0.   0. ]
 [ 0.1  7.8 84.1  7.9  0.1  0.   0.   0. ]
 [ 0.   0.1  7.9 84.1  7.7  0.1  0.   0. ]
 [ 0.   0.   0.1  7.7 84.2  7.8  0.1  0. ]
 [ 0.   0.   0.   0.1  7.9 84.2  7.7  0.1]
 [ 0.   0.   0.   0.   0.1  7.7 84.2  7.9]
 [ 0.   0.   0.   0.   0.   0.1  7.9 91.9]]

即项目往往保持在接近它们开始的位置

这种表格非常适合检测分布中的偏差，而上面似乎没有证据表明这一点。但是，例如，使用 Artyom 的解决方案（shuffle(x, lambda: random() / 5)) 给出以下结果：

[[  0.   37.4   0.    0.    0.   16.7  23.8  22.1]
 [  0.    0.  100.    0.    0.    0.    0.    0. ]
 [  0.    0.    0.  100.    0.    0.    0.    0. ]
 [  0.    0.    0.    0.  100.    0.    0.    0. ]
 [  1.7   0.    0.    0.    0.   83.3  11.9   3. ]
 [  9.    7.4   0.    0.    0.    0.   64.2  19.4]
 [ 26.7  17.9   0.    0.    0.    0.    0.   55.5]
 [ 62.6  37.4   0.    0.    0.    0.    0.    0. ]]

这可能不是OP想要的。偏离对角线的高概率表示将数组旋转一个元素