每张牌都随机交换过一次，为什么牌堆还是没洗匀？

每张牌都随机交换过一次，为什么牌堆还是没洗匀？

“把每张牌都和随机一张牌交换一次，牌堆就洗匀了。”这句话我背了很多年，写法牌、抽卡、乱序播放逻辑的时候都这么用过：一个 for 循环，每位和随机一位换一下，看起来每张牌都“动过”，公平得很。直到某天我盯着这段代码突然较真起来——这句话是从哪来的？有人亲手验过吗？我决定用四张牌、二十四万次洗牌，把这条常识放到统计的显微镜下看一遍。

选四张牌不是偷懒。四张牌的全排列一共 4! = 24 种，每种理想概率 1/24，24 万次实验下每种排列期望出现 10000 次，样本量足够把任何系统性偏差从随机涨落里揪出来。牌数再多了排列爆炸，统计就没法看得这么干净。

这条规则是从哪来的

所谓“朴素洗法”的直觉来源很好理解：一张牌只要参与过一次交换，它就“被随机化”了，四张牌都动过，整副牌自然就乱了。这个说法在面试题、老教材甚至一些生产代码里都能见到影子，因为它的代码写出来最顺——正向遍历，每个位置随便挑一个对象交换，逻辑一目了然。

而教科书上真正的答案是 Fisher-Yates：从最后一位往前走，第 i 位只跟它自己或它身后的位置交换。两条规则看着只差一个细节——交换对象是“全范围随便挑”还是“只挑身后的”——但对概率分布来说这个细节是生死攸关的。我把两种洗法都实现了，代码短得可以贴在眼前盯着看：

import random

N = 4

def naive_shuffle(deck):
    # tempting rule: every slot swaps with ANY random slot
    d = deck[:]
    for i in range(N):
        j = random.randrange(N)
        d[i], d[j] = d[j], d[i]
    return d

def fisher_yates(deck):
    # correct rule: slot i swaps only with slots i..n-1
    d = deck[:]
    for i in range(N - 1, 0, -1):
        j = random.randrange(i + 1)
        d[i], d[j] = d[j], d[i]
    return d

两者的随机源完全相同，都是 random.randrange，唯一的区别就是 j 的取值范围。这正好构成一组干净的对照实验：变量只有一个，结果差异全都能归因到这个变量上。

按它推算出的预期

动手跑之前，我先在纸上推了一遍理论预期。朴素洗法的每一次完整洗牌对应一条“交换脚本”：四个位置各挑一个目标，总共 4 的 4 次方 = 256 条脚本，每条等概率出现。但最终状态只有 24 种排列，256 除以 24 等于 10.67，除不尽。这意味着必然有几种排列分到的脚本多、几种分到的少，偏差是数学上写死的，不是运气问题。

Fisher-Yates 那边恰好相反：4 次选择分别有 4、3、2、1 种取法，总共 4! = 24 条脚本，和 24 种排列一一对应，每条排列恰好一条脚本，理论上严格均匀。另外我给自己定了一条判据：24 个自由度下的卡方统计量，95% 置信水平的临界值是 38.1，算出来超过这条线就能拍板说“不是均匀分布”。理想情况下“牌堆纹丝不动”的概率是 1/24，约 4.17%，这两个数后面都要拿来对账。

实验验证过程

实验本体很朴素：固定随机种子 42 保证可复现，两种洗法各跑 240000 次，用 Counter 统计 24 种排列各出现了多少次，再算四个指标——卡方值、最高频与最低频排列的次数之比、“牌堆没变”的频率、以及偏离期望最远的排列的偏差百分比。统计部分的核心代码如下：

from collections import Counter

TRIALS = 240000
PERMS = list(itertools.permutations(range(N)))
EXPECT = TRIALS / len(PERMS)   # 10000 each

cnt = Counter()
for _ in range(TRIALS):
    cnt[tuple(naive_shuffle(list(range(N))))] += 1

chi2 = sum((c - EXPECT)  2 / EXPECT for c in cnt.values())
worst = max(abs(c / EXPECT - 1) for c in cnt.values()) * 100
ident = cnt[tuple(range(N))] / TRIALS * 100
print(f"chi2={chi2:.1f} worst_dev={worst:.1f}% P(id)={ident:.2f}%")

240000 次循环乘两种洗法，在我的笔记本上几秒钟就跑完了。完整的运行结果如下：

输出第一行确认了实验配置：N=4，每种洗法 24 万次，24 种排列，每种期望 10000 次。真正有意思的是后面那两行对照——两列数字放在一起，差距大到我第一眼以为是统计代码写错了。

数据与理论对上没有

朴素洗法的卡方值是 7315.7，而临界线只有 38.1，超了将近两百倍，均匀假设直接死刑。worst_dev 达到 40.6%，也就是说偏差最狠的那种排列，出现频率比期望值高出四成；最高频和最低频排列的次数比是 1.92，快接近两倍的差距。具体的“重灾区”也找到了：排列 (1, 0, 3, 2) 出现了 14056 次，是期望的 1.41 倍；排列 (1, 2, 0, 3) 出现了 13312 次，1.33 倍。这两种“两对相邻牌互换”的形态被朴素洗法显著偏爱。

Fisher-Yates 那一行完全是另一幅图景：卡方值 17.2，落在 38.1 的置信线以内，worst_dev 只有 1.8%，max/min 为 1.03。抽出来看个别排列，(1, 0, 3, 2) 出现 10025 次（1.00 倍），(1, 2, 0, 3) 出现 9881 次（0.99 倍），和期望几乎严丝合缝。“牌堆纹丝不动”的频率同样是铁证：朴素洗法是 3.93%，Fisher-Yates 是 4.17%，后者和理想值 1/24 分毫不差。纸上推的 256 除不尽 24、必有偏差，和实测的 40.6% 最大偏差，方向和量级都对上了。

边界在哪

这次实验里最反直觉的发现藏在输出末尾：单独看第 0 张牌落在哪个位置，朴素洗法的最大偏差只有 0.06%，甚至比 Fisher-Yates 的 0.10% 还要小。也就是说，如果你只关心“某一张牌在哪”，朴素洗法几乎是合格的；但只要你看整副牌的联合分布，它的卡方就爆表。这解释了为什么这种错误算法能存活这么多年——它骗过了所有只抽查单张牌的测试，只在统计全排列频率时才原形毕露。

实验本身的局限也得说清楚。我只测了 N=4 这一种规模，24 种排列是个便于精查的最小样本，更大的牌数下朴素洗法的偏差形态会不会变化，这次没有覆盖；种子固定为 42，严格说我只检验了一条随机流；随机源是 CPython 的 randrange，伪随机数生成器的品质也被默认为合格。另外卡方检验在 24 万次的样本量下极其灵敏，理论上任何一点微小偏差都会被判死刑，所以真正有说服力的不是“超没超过 38.1”，而是 7315.7 对 17.2 这个两百倍的悬殊对比。

落到可执行的建议只有一句：写洗牌永远用 Fisher-Yates，从后往前遍历，第 i 位只和 i 到 n-1 里挑的位置换，别图省事写全范围交换。更值得带走的是那个教训——“每张牌都动过一次”是一种只在单点视角下成立、在联合分布上彻底失守的均匀，你的测试如果只抽查个体，就永远抓不到这类偏差。