最省心方案是：样本量远小于原数组长度时，python用random.sample()、js用fisher-yates改进版；超大规模或内存受限时，须改用索引采样、分块取数或蓄水池算法。
直接用 random.sample()（Python）或 Fisher-Yates 改进版（JS）最省心，前提是样本量远小于原数组长度；若数组极大（如上千万行）、内存受限或需保留原始结构，则必须绕过全量加载，改用索引采样或分块取数。
Python：优先用 random.sample 或 np.random.Generator.choice
对普通列表或中等规模 NumPy 数组，内置方法既简洁又高效：
-
random.sample(list_data, k=100)—— 无放回、不修改原数组、时间复杂度 O(k)，适合 Python 原生 list -
rng = np.random.default_rng(42); rng.choice(arr, size=100, replace=False)—— 显式控制随机源，避免全局状态干扰；注意提前检查size ，否则报错 - 二维数组不直接传给
choice，先抽行索引：rows = rng.choice(arr.shape[0], size=10, replace=False); arr[rows]
JavaScript：避开 splice，用“交换截断”法
对大数组（如 10 万+ 元素），别用 Math.random() + splice()，位移开销大。推荐 Fisher-Yates 的采样优化版：
- 只运行 k 次循环，每次从剩余未处理部分随机选一个，与当前下标交换，最后取前 k 个
- 不修改原数组可先拷贝：但若 k ≪ n，更优做法是生成 k 个不重复随机索引（用 Set 控制，k 小时可行；k 大时用蓄水池算法）
- 简单场景可封装：
Array.prototype.sample = function(n) { /* 实现交换截断 */ };
超大规模数据（GB 级）：跳过加载，只操作索引
当数组实际是磁盘文件（如 PyArrow 表、Parquet 分区）或流式数据，不能全载入内存：
- PyArrow：用
table.take(indices)，其中indices = rng.integers(0, table.num_rows, size=1000, replace=False)—— 零拷贝、不 decode 全量数据 - Pandas：慎用
df.sample()，它会触发to_pandas()加载；改用 Dask 或 Polars 的惰性采样，或先用 Arrow 读取再 take - 自定义流式采样：实现蓄水池算法（Reservoir Sampling），单趟遍历、O(1) 空间，适合无法预知总长的场景
避坑要点：边界、维度、随机源
很多“采样失败”其实不是算法问题，而是配置疏忽：
- NumPy 中
replace=False时，size超出数组长度必报错，务必加守卫逻辑 - 多维数组误传给
np.random.choice会静默展平，要抽行就先操作索引，别依赖自动行为 - 混用
np.random.seed()和default_rng()会导致结果不可复现，统一用后者并显式传 seed - 权重采样必须保证
p参数已归一化，否则结果偏离预期
