本文教你用python精准实现：从62个国家中随机抽取48个，并严格均分为12组，每组恰好4个元素，避免余数导致的不均衡分组。
本文教你用python精准实现：从62个国家中随机抽取48个，并严格均分为12组，每组恰好4个元素，避免余数导致的不均衡分组。
你遇到的问题本质是逻辑与工具错配：原始代码试图边遍历、边计数、边分组，但未真正打乱顺序，也未控制总数量，导致循环逻辑混乱（如membersInGroup == 4判断位置错误、random.choice在循环外执行等），最终生成了16组而非预期的12组——这是因为代码实际处理了全部62个元素，而非限定在48个。
✅ 正确解法应分两步：
- 抽样：用 random.sample() 无放回地随机选取 exactly 48 个唯一元素；
- 分块：用 itertools.batched() 将长度为48的列表切分为 48 // 4 = 12 个长度为4的元组（每块严格4个，无剩余）。
以下是简洁、健壮、符合Python最佳实践的实现：
from random import sample
from itertools import batched
countries = ['Argentina', 'France', 'Belgium', 'England', 'Brazil', 'Portugal',
'Netherlands', 'Spain', 'Italy', 'Croatia', 'United_States', 'Colombia',
# ...（其余国家保持不变，共62个）
'South_Africa', 'Republic_of_Ireland', 'Finland']
# 步骤1：随机抽取48个不重复国家
selected = sample(countries, k=48)
# 步骤2：按每4个一组切分（自动产出12个元组）
groups = list(batched(selected, 4))
# 打印结果（格式化输出，便于阅读）
for i, group in enumerate(groups, start=1):
print(f"Group {i}: {list(group)}")? 关键说明：
- sample(population, k) 保证随机且不重复，k=48 精确控制总数；
- batched(iterable, n) 是 Python 3.12+ 内置函数，每 n=4 个元素生成一个批次；若使用 Python < 3.12，可用兼容写法：
from itertools import islice def batched(iterable, n): iterator = iter(iterable) while batch := list(islice(iterator, n)): yield batch
⚠️ 注意事项：
- 不要使用 random.shuffle() + 切片（如 countries[:48]），虽可行但多一步操作，不如 sample 直接；
- 避免在循环中修改正在遍历的列表（如 countries.remove()），极易引发索引错乱或跳过元素；
- 原代码中 membersInGroup == 4 的条件判断与 print 位置颠倒，且未绑定到实际抽样过程，属典型逻辑耦合错误。
掌握 sample 和 batched 这两个工具，你就能优雅、可靠地解决“定额随机分组”这一高频需求——它不仅是新手项目的基石，也是数据采样、实验分组、竞赛抽签等场景的标准范式。
