我经常遇到＆＃34;洗牌＆＃34;一个类似于使用sorted函数的python列表，即返回列表的混乱副本而不改变原始函数。
我知道可以对列表进行浅层复制，然后shuffle：
a = [random.randint(1, 1000) for _ in xrange(100)]
b = a[:]
random.shuffle(b)
我的函数式程序员想要一个不变的解决方案（并且适合单个可读行是一个很大的好处），所以我想使用sample函数：
a = [random.randint(1, 1000) for _ in xrange(100)]
b = random.sample(a, len(a))
然而，在文档中没有任何地方可以找到线索，无论是时间和空间，渐近还是常数因素，这是否是一个好主意。
帖子What is the difference between random.sample and random.shuffle in Python似乎在问一个类似的更广泛的问题，但a）没有一个公认的答案，更重要的是，b）没有一个答案提供任何相关的优点是什么时间/空间条款。
所有4个答案除了最多投票的答案之外，特别谈论输出，而不是任何算法的复杂性。
最投票的答案包含两个函数的python源代码，并得出结论：
随机化主要由行
int(random() * n)完成。因此，基础算法基本相同
我认为这表明输出是相同的，但就时间复杂性而言，它并没有真正解决问题，因为周围的代码有很大不同。
所以我的问题是：什么是时间/空间成本差异，最好是渐近和常数因素，在浅层副本random.shuffle和random.sample(x, len(x))之间？
NB 我认为标题稍微不准确，因为它没有明确表示我想要比较random.shuffle(x)，其中x已经是浅拷贝了。这纯粹是因为需要简洁。