我得到了一个数组的以下统计信息：

• 长度
• 最小值
• 最大值
• 平均值
• 中位数
• 夸蒂莱

我应该用或多或少相同的统计数据重新创建一个列表。我知道计算统计数据的列表不是正态分布的。
我的第一个想法是通过创建一个给定范围内的随机数列表来强制执行，并希望其中一个能适合。这种方法的好处是它能工作，而缺点显然是效率。
所以我正在寻找一个更有效的方法来解决这个问题。希望有人能帮助...
目前我只使用麻木，但我不限于它。
编辑1：作为示例，请求输入和输出：输入可能如下所示：

statistics = {
'length' : 200,
'minimum_value' : 5, 
'maximum_vlaue': 132, 
'mean': 30, 
'median' : 22,
'Q1': 13, 
'Q3': 68
}

所需的输出将如下所示：

similar_list = function_to_create_similar_list(statistics)
len(similar_list) # should be roughly 200
min(similar_list) # should be roughly 5
max(similar_list) # should be roughly 132
np.mean(similar_list) # should be roughly 30
np.median(similar_list) # should be roughly 22
np.quantile(similar_list, 0.25) # should be roughly 13
np.quantile(similar_list, 0.75) # should be roughly 68

function_to_create_similar_list是我要定义的函数
编辑2.
我的第一次编辑是不够的，我很抱歉。这里是我目前的代码：

def get_statistics(input_list): 
    output = {}
    output['length'] = len(input_list) 
    output['minimum_value'] = min(input_list) 
    output['maximum_value'] = max(input_list) 
    output['mean'] = np.mean(input_list) 
    output['median'] = np.median(input_list) 
    output['q1'] = np.quantile(input_list, 0.25)
    output['q3'] = np.quantile(input_list, 0.75)
    return output

def recreate_similar_list(statistics, maximum_deviation = 0.1 ): 
    sufficient_list_was_found = False
    while True: 
        candidate_list = [random.uniform(statistics['minimum_value'],statistics['maximum_value']) for _ in range(statistics['length'])]
        candidate_statistics = get_statistics(candidate_list)
        sufficient_list_was_found = True
        for key in statistics.keys(): 
            if np.abs(statistics[key] - candidate_statistics[key]) / statistics[key] > maximum_deviation:
                sufficient_list_was_found = False
                break
        if(sufficient_list_was_found): 
            return candidate_list

example_input_list_1 = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,10]
recreated_list_1 = recreate_similar_list(get_statistics(example_input_list_1),0.3)
print(recreated_list_1)
print(get_statistics(recreated_list_1))

example_input_list_2 = [1,1,1,1,3,3,4,4,4,4,4,5,18,19,32,35,35,42,49,68]
recreated_list_2 = recreate_similar_list(get_statistics(example_input_list_2),0.3)
print(recreated_list_2)
print(get_statistics(recreated_list_2))

第一个例子可以找到一个解决方案。这对我来说并不奇怪。第二个例子没有（或者没有足够的时间）。这也不奇怪，因为recreate_similar_list函数生成的列表是均匀分布的。尽管这两个例子都代表了真实的的任务。（记住，我只得到了统计信息，而不是列表）
我希望这是一个足够的例子