每一条线代表一个数字，数字小向左倾斜，数字大就向右倾斜。（请注意，你可以对一组任何东西进行洗牌，不只是数字，但这种可视化编码对于显示元素的顺序很管用。它的灵感来自于Robert Sedgwick的《用C语言实现的算法》中的排序可视化。

　　该算法把数组划分为两个部分，右半边是已洗牌区域（用黑色表示），左半边是待洗牌区域（用灰色表示）。每一步从左边的待洗牌区域随机选择一个元素并将其移动到右侧，已洗牌区域元素数量扩大了1个。左半边的初始顺序不必保留，这样给已洗牌区域的新元素提供了空间，该算法可以简单地讲元素交换到位。最终所有的元素都被洗牌，算法终止。

　　如果Fisher–Yates是一个很好的算法，那么一个不好的算法是什么样的？

　　▼这是一个——

　　//不要这么做！

　　function shuffle(array) {

　　return array.sort(function(a, b) {

　　return Math.random() - .5; // ?_?

　　});

　　}

　　这种方法利用排序通过指定随机比较器函数来洗牌。比较器定义元素的顺序。它使用参数a和b （要比较的数组中的两个元素），如果a小于b，则返回小于零的值，如果a大于b，则返回大于零的值，如果a和b相等，则返回0。比较器在排序期间重复调用。

　　如果不给array.sort指定一个比较器，元素按照字典序列排序。

　　在这里，比较器返回一个在-0.5和+0.5之间的随机数。假设这定义了一个随机顺序，那么排序会随机地混杂元素并实施好的洗牌。

　　不幸的是，这个假设是有缺陷的。随机成对顺序（对于任何两个元素）不会为一组元素建立随机顺序。比较器必须遵守传递性：如果a> b和b> c，则a> c。但随机比较器返回一个随机值，违反了传递性，并导致array.sort的行为是未定义的！可能你会有运气，也可能没有。

　　它怎么不好呢？我们可以通过可视化输出来试着回答这个问题：

　　该算法不好的另一个原因是排序需要O（n lg n）时间，使得它显著地慢于只需要O（n）时间的Fisher-Yates算法。但是速度缺陷比偏差缺陷小。

　　这可能看起来是随机的，因此你可能会得出结论，随机比较器洗牌足够好了，并不再关注偏差，看作是迂腐的。但看起来可能会误导！有许多对人眼来说看起来是随机的，但实际上是非随机的。

　　这种欺骗表明可视化不是一个魔术棒。算法的单次运行显示不能有效地评估其随机性的质量。我们必须仔细设计一个可视化来解决手头的具体问题：算法的偏差是什么？

　　为了显示偏差，我们必须首先定义它。一个定义是基于在洗牌之后索引i处的数组元素将在洗牌之后处于索引j的概率。如果算法是无偏的，则每个元素在洗牌结束后出现在每个索引处的概率相等，因此所有i和j的概率相同：1 / n，其中n是元素的数量。

　　分析计算这些概率是困难的，因为它取决于知道使用的确切排序算法。但是根据经验计算是很容易的：我们简单地洗牌数千次，并计数索引j处元素i的出现次数。该概率矩阵的有效显示是矩阵图：

　　矩阵的列（水平位置）表示在洗牌之前的元素的索引，而行（垂直位置）表示洗牌之后的元素的索引。概率用颜色编码：绿色单元表示正偏差，其中元素出现地比我们对无偏差算法的预期更频繁；同样红色单元表示负偏差，其发生频率低于预期。

　　如上所示，Chrome中的随机比较器洗牌结果是令人惊讶的是平庸。部分阵列仅弱偏置。然而，它在对角线下方表现出强的正偏置，这表示将元素从索引i推到i + 1或i + 2的趋势。第一行、中间行和最后一行也有奇怪的行为，这可能是Chrome使用“三中值”的快速排序的结果。

　　无偏的Fisher–Yates算法看上去是这样的：

　　除了由于经验测量的少量噪声之外，在该矩阵中没有可见的规律。（如果需要，可以通过进行额外的测量来降低噪声。）