d3.js提供了Fisher–Yates shuffle的内置版本：

console.log（d3.shuffle（[“a”，“b”，“c”，“d”]）；<script src=“http://d3js.org/d3.v5.min.js“></script>

d3.洗牌（array[，lo[，hi]]）<>使用Fisher–Yates混洗随机化指定阵列的顺序。

只是为了在馅饼里插一根手指。在这里，我介绍了Fisher Yates shuffle的递归实现（我认为）。它给出了统一的随机性。

注意：~~（双颚化符运算符）实际上与正实数的Math.floor（）类似。这只是一条捷径。

var shuffle=a=>a.length？a.splice（~~（Math.random（）*a.length），1）.contat（shuffle（a））：a；console.log（JSON.stringify（shuffle（[0,1,2,3,4,5,6,7,8,9]））；

编辑：由于使用了.splice（），上面的代码是O（n^2），但我们可以通过交换技巧消除O（n）中的拼接和混洗。

var shuffle=（a，l=a.length，r=~~（Math.random（）*l））=>l？（[a[r]，a[l-1]]=[a[l-1]，a[r]]，shuffle（a，l-1））：a；var arr=Array.from（{length:3000}，（_，i）=>i）；console.time（“shuffle”）；洗牌（arr）；console.timeEnd（“shuffle”）；

问题是，JS无法与大型递归合作。在这种特殊的情况下，数组大小会受到限制，大约为3000~7000，这取决于浏览器引擎和一些未知的事实。

使用Ramda的功能解决方案。

const {map, compose, sortBy, prop} = require('ramda')

const shuffle = compose(
  map(prop('v')),
  sortBy(prop('i')),
  map(v => ({v, i: Math.random()}))
)

shuffle([1,2,3,4,5,6,7])

// Create a places array which holds the index for each item in the
// passed in array.
// 
// Then return a new array by randomly selecting items from the
// passed in array by referencing the places array item. Removing that
// places item each time though.
function shuffle(array) {
    let places = array.map((item, index) => index);
    return array.map((item, index, array) => {
      const random_index = Math.floor(Math.random() * places.length);
      const places_value = places[random_index];
      places.splice(random_index, 1);
      return array[places_value];
    })
}

添加到@Laurens Holsts的答案。这是50%的压缩。

function shuffleArray(d) {
  for (var c = d.length - 1; c > 0; c--) {
    var b = Math.floor(Math.random() * (c + 1));
    var a = d[c];
    d[c] = d[b];
    d[b] = a;
  }
  return d
};

社区表示arr.sort（（a，b）=>0.5-Math.random（））不是100%随机的！对我测试并建议不要使用此方法！

let arr = [1, 2, 3, 4, 5, 6]
arr.sort((a, b) => 0.5 - Math.random());

但我不确定。所以我写了一些代码来测试！。。。你也可以试试！如果你足够感兴趣！

让data_base=[]；对于（设i=1；i<=100；i++）{//将100次新的rendom arr推送到data_base！数据基础推送([1，2，3，4，5，6]排序（（a，b）=>{return Math.random（）-0.5；//使用了社区禁止的方法！：-）}));}//console.log（data_base）；//如果你想看数据！让分析＝{}；for（设i=1；i<=6；i++）{analysis[i]=阵列（6）.填充（0）；}for（假设num=0；num<6；num++）{for（设i=1；i<=100；i++）{let plus=数据基[i-1][num]；分析[`${num+1}`][plus-1]++；}}console.log（分析）；//分析结果

在100个不同的随机阵列中。（我的分析结果）

{ player> 1   2   3  4   5   6
   '1': [ 36, 12, 17, 16, 9, 10 ],
   '2': [ 15, 36, 12, 18, 7, 12 ],
   '3': [ 11, 8, 22, 19, 17, 23 ],
   '4': [ 9, 14, 19, 18, 22, 18 ],
   '5': [ 12, 19, 15, 18, 23, 13 ],
   '6': [ 17, 11, 15, 11, 22, 24 ]
}  
// player 1 got > 1(36 times),2(15 times),...,6(17 times)
// ... 
// ...
// player 6 got > 1(10 times),2(12 times),...,6(24 times)

正如你所看到的，这不是那么随机！苏。。。不要使用此方法！如果你测试多次，你会看到玩家1获得了很多次（1号）！而球员6在大多数时候都获得了（第6名）！