std::sample是c++17起标准库提供的无放回随机采样算法，基于fisher–yates变种，时间复杂度o(n)且不修改原容器，为首选方案；采样需保留原始下标时宜用std::vector存储索引与值。
用 std::sample 做无放回随机采样最稳妥
标准库从 C++17 开始提供了 std::sample，它专为“从容器中随机抽取 k 个不重复元素”设计，底层使用 Fisher–Yates 变种，时间复杂度 O(n)，且不修改原数组。这是绝大多数场景的首选。
常见错误是手动写循环 + std::rand() 或反复调用 std::shuffle，既易出错又低效；还有人误用 std::random_shuffle（C++14 已弃用）或对整个数组打乱再截取——当 k 时纯属浪费。
- 必须传入合法的随机数引擎，比如
std::mt19937{std::random_device{}()}，不能用默认构造的std::mt19937{}（种子为 0，每次结果相同） - 输出目标必须有足够空间：若用
std::vector接收，要先reserve(k)或resize(k)，否则迭代器失效 -
std::sample不保证输出顺序与原数组一致，也不保证有序——如需升序，采样后单独std::sort
std::vector<int> arr = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
std::vector<int> samples;
samples.reserve(3);
std::sample(arr.begin(), arr.end(),
std::back_inserter(samples),
3,
std::mt19937{std::random_device{}()});
// samples 现在包含 3 个不重复的随机元素
</int></int>
需要有放回采样？自己写 std::uniform_int_distribution 循环
标准库没有内置“有放回采样”，但实现极简单：用均匀分布随机生成 [0, n) 范围内的索引，重复 k 次即可。关键点不在逻辑，而在避免常见陷阱。
- 分布对象（
std::uniform_int_distribution<size_t></size_t>）应定义在循环外，否则频繁构造可能影响性能（尤其在热循环中） - 务必用
arr.size()作为上界，而不是硬编码数字，否则arr为空时arr.size()-1会变成极大正数（size_t下溢） - 如果采样量
k很大（比如百万级），考虑用std::vector::data()+ 指针算术替代operator[]，减少边界检查开销（仅在-O2且禁用调试检查时有效）
std::vector<int> arr = {10, 20, 30};
std::vector<int> samples;
samples.reserve(5);
std::mt19937 gen{std::random_device{}()};
std::uniform_int_distribution<size_t> dist(0, arr.size() - 1); // 注意：arr非空才安全
for (int i = 0; i <h3>小数组或嵌入式环境？避免 <code><random></random></code> 的轻量替代方案</h3>
<p>如果项目禁用 <code><random></random></code>（例如某些裸机或实时系统），或数组长度固定且很小（≤ 16），可以用 XORShift 或线性同余（LCG）手写简易 PRNG，配合模运算取索引。</p><div class="aritcle_card flexRow artxards">
<div class="artcardd flexRow">
<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill5502" title="C++ Code Review Master"><img
src="https://img.php.cn/upload/skill/000/000/081/179051228971575.jpg" alt="C++ Code Review Master" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a rel="nofollow" href="/xiazai/skill5502" title="C++ Code Review Master" class="overflowclass">C++ Code Review Master</a>
<p class="overflowclass">组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。</p>
</div>
<a rel="nofollow" href="/xiazai/skill5502" title="C++ Code Review Master" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
</a>
</div>
</div>
<p>但注意：<code>%</code> 运算在 <code>size</code> 不是 2 的幂时会引入轻微偏差（bias），当 <code>arr.size()</code> 和 PRNG 周期不可公约时更明显。对精度要求不高的日志抽样、UI 动画等场景可接受；做统计推断则不行。</p>
<ul>
<li>不要用 <code>rand() % n</code>：<code>RAND_MAX</code> 通常为 32767，当 <code>n > 32767</code> 时直接崩，且低位周期短</li>
<li>若必须用 LCG，推荐系数 <code>a=1664525, c=1013904223, m=2^32</code>（Numerical Recipes 风格），比教科书 <code>a=1103515245</code> 更均衡</li>
<li>手写 PRNG 时，种子别用 <code>time(nullptr)</code>——秒级精度在快速重复调用时大概率重复</li>
</ul>
<h3>采样后还要保持原始下标？别只存值，改用 <code>std::vector<:pair t>></:pair></code>
</h3>
<p>很多实际需求不是“取几个数”，而是“取几个样本，并知道它们原来在第几行/第几个传感器/哪个时间戳”。这时候只复制值会丢失上下文。</p>
<p>最直接的办法是先构造索引数组，采样索引，再映射回原值。但若原数组很大而 <code>k</code> 很小，构造完整索引数组（<code>O(n)</code> 空间）不划算。</p>
<ul>
<li>更省内存的做法：用 <code>std::vector<:pair int>></:pair></code> 存 <code>{index, value}</code>，采样时对这个 vector 操作——空间仍是 <code>O(k)</code>
</li>
<li>如果后续要按原始位置排序，直接对 pair 的 <code>first</code> 字段 <code>std::sort</code> 即可，无需额外映射表</li>
<li>切忌用 <code>std::map</code> 或 <code>std::unordered_map</code> 存索引映射：哈希/红黑树开销远大于线性扫描 <code>k</code> 个 pair</li>
</ul>
<p>真正容易被忽略的是：采样本身不耗时，但跨 cache line 访问原始数组（尤其大结构体）可能成为瓶颈。如果原始数据是分散的指针数组，采样后批量访问其指向内容前，考虑预取（<code>__builtin_prefetch</code>）或重排访问顺序。</p></size_t></int></int>C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
