当前位置:首页 > 文章列表 > 文章 > 前端 > JS数组随机排序3种实用方法

JS数组随机排序3种实用方法

2025-06-27 22:01:30 0浏览 收藏

IT行业相对于一般传统行业,发展更新速度更快,一旦停止了学习,很快就会被行业所淘汰。所以我们需要踏踏实实的不断学习,精进自己的技术,尤其是初学者。今天golang学习网给大家整理了《JS数组随机排序的3种方法》,聊聊,我们一起来看看吧!

数组随机排序的实现方法有三种:1. 使用sort()结合Math.random(),简单但随机性不均;2. Fisher-Yates算法,保证完美随机且时间复杂度为O(n);3. 循环遍历交换法,易懂但可能存在概率偏差。若对随机性要求高,推荐使用Fisher-Yates算法;若要求不高,可选用其他两种方法之一。

js如何实现数组随机排序 数组随机排序的3种算法

数组随机排序,简单来说,就是打乱数组元素的顺序,让每一次排序的结果都充满不确定性。这在很多场景下都很有用,比如抽奖、游戏洗牌等等。

js如何实现数组随机排序 数组随机排序的3种算法

解决方案

实现数组随机排序,本质上是让数组中的每一个元素都有机会被放到任何一个位置上。下面介绍三种常见的JavaScript实现方法。

js如何实现数组随机排序 数组随机排序的3种算法

1. sort() 方法结合 Math.random()

这是最简单粗暴的方法,利用 Array.prototype.sort() 方法,传入一个比较函数,比较函数返回一个随机数。

js如何实现数组随机排序 数组随机排序的3种算法
function shuffle(arr) {
  return arr.sort(() => Math.random() - 0.5);
}

let myArray = [1, 2, 3, 4, 5];
let shuffledArray = shuffle(myArray.slice()); // 复制数组,避免修改原数组
console.log(shuffledArray);

原理: sort() 方法默认是按照 Unicode 编码排序的,传入比较函数后,根据函数的返回值决定元素的顺序。Math.random() - 0.5 会随机返回正数或负数,从而导致 sort() 方法随机交换元素的位置。

缺点: 这种方法虽然简单,但存在一个问题:它的随机性并不完美。由于 sort() 方法的实现机制,某些元素更容易被排到前面或后面,导致概率不均等。

2. Fisher-Yates (Knuth) 洗牌算法

这是一种经典的洗牌算法,它能保证每个元素被放到每个位置的概率都是相等的。

function shuffle(arr) {
  let n = arr.length;
  for (let i = n - 1; i > 0; i--) {
    let j = Math.floor(Math.random() * (i + 1)); // 随机选择一个索引 j,j <= i
    [arr[i], arr[j]] = [arr[j], arr[i]]; // 交换 arr[i] 和 arr[j]
  }
  return arr;
}

let myArray = [1, 2, 3, 4, 5];
let shuffledArray = shuffle(myArray.slice()); // 复制数组,避免修改原数组
console.log(shuffledArray);

原理: 从数组的最后一个元素开始,与前面的随机一个元素进行交换。然后倒数第二个元素,再与前面的随机一个元素交换,以此类推。 这样,每个元素都有相同的概率被放到任何一个位置上。

优点: 保证了完美的随机性,时间复杂度为 O(n)。

3. 循环遍历交换法

这种方法类似于 Fisher-Yates 算法,但更易于理解。

function shuffle(arr) {
  let n = arr.length;
  for (let i = 0; i < n; i++) {
    let j = Math.floor(Math.random() * n); // 随机选择一个索引 j
    [arr[i], arr[j]] = [arr[j], arr[i]]; // 交换 arr[i] 和 arr[j]
  }
  return arr;
}

let myArray = [1, 2, 3, 4, 5];
let shuffledArray = shuffle(myArray.slice()); // 复制数组,避免修改原数组
console.log(shuffledArray);

原理: 遍历数组,每次都将当前元素与数组中的随机一个元素进行交换。

优点: 代码简单易懂,但随机性不如 Fisher-Yates 算法。 理论上,它也能达到随机排序的效果,但在某些情况下,可能会出现概率偏差。

如何选择合适的随机排序算法?

如果对随机性要求不高,只是简单地打乱数组顺序,可以使用 sort() 方法。 如果对随机性要求很高,比如在抽奖、游戏等场景下,建议使用 Fisher-Yates 算法。 循环遍历交换法介于两者之间,可以根据实际情况选择。

数组随机排序会改变原数组吗?

上面示例代码都使用了 myArray.slice() 来复制数组,避免修改原数组。 如果不需要保留原数组,可以直接在原数组上进行操作。 但通常情况下,为了避免意外修改原数据,建议先复制数组再进行排序。

如何测试数组随机排序算法的随机性?

一个简单的测试方法是:运行随机排序算法多次,统计每个元素出现在每个位置的次数。 如果算法是完全随机的,那么每个元素出现在每个位置的概率应该大致相等。 可以使用循环和计数器来实现这个测试。

本篇关于《JS数组随机排序3种实用方法》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

Win10摄像头绿屏蓝屏怎么解决Win10摄像头绿屏蓝屏怎么解决
上一篇
Win10摄像头绿屏蓝屏怎么解决
PerplexityAI插件开发入门教程详解
下一篇
PerplexityAI插件开发入门教程详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    309次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    367次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    362次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    330次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    153次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码