您已经获得了输入数据（项目序列），例如： [1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16] 您的任务是随机选择M非重叠样本（SubSeq ...

Question

您的任务是随机选择相同大小N.

的M非重叠样本（子序列）。

，例如，如果任务是选择3个尺寸3的样本，则解决方案之一将是：

[3, 4, 5]
[8, 9, 10]
[11, 12, 13]

我的算法：

选择随机第一个样本：

[11, 12, 13]

---

输入数据是

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
1. 和

   [14, 15, 16]

   。
从剩余的输入数据中选择随机第二个样本：
2. [3, 4, 5]

   。
   

   输入数据（足够大）是

   [6, 7, 8, 9, 10]

   和
[14, 15, 16]
3. 。

   从剩余的输入数据中选择随机第三个样本：

   [8, 9, 10]
。

4. ，当样品太大时，该算法不起作用。如果任务是选择3个尺寸5的样本，则存在一个解决方案，但是如果您使用我的算法并随机选择第一个样本为

   [3, 4, 5, 6, 7]

   ，则该算法将失败。
   

当然，还有一种明显的蛮力算法：找到所有可能的解决方案，然后随机选择其中之一。但是我希望有更多“聪明”（时空效率）。

5. 您可以利用整个输入列表作为您的来源构建长度n列表。您的源列表的长度可能不是N的倍数，因此您需要考虑到这一点。
   

   到达：

import random

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]

M = 3
N = 3

subs = []

for i in range(0, (len(data) // N) * N, N):
    subs.append(data[i:i+N])

if len(subs) < M:
    print("Can't be done")
else:
    for _ in range(M):
        s = random.choice(subs)
        print(s)
        subs.remove(s)