Python 2.7 使用python生成随机单词

我有一张单子

count=100    
list = ['apple','orange','mango']

对于以上使用随机函数的计数，是否可以选择40%的时间苹果，30%的时间橙色和30%的时间芒果

例如：

for the count=100, 40 times apple, 30 times orange and 30 times mango.

---

此选择必须随机进行

最简单的方法是按所需比例构建一个列表，然后将其洗牌

>>> import random
>>> result = ['apple'] * 40 + ['orange'] * 30 + ['mango'] * 30
>>> random.shuffle(result)

编辑新要求，即计数实际为1000000：

>>> count = 1000000
>>> pool = ['apple'] * 4 + ['orange'] * 3 + ['mango'] * 3
>>> for i in xrange(count):
        print random.choice(pool)

一种较慢但更通用的替代方法是：

---

根据关于的问题的答案，您可以使用获得比使用

random快20倍的代码。选择

：

from numpy.random import choice

sample = choice(['apple','orange','mango'], p=[0.4, 0.3, 0.3], size=1000000)

from collections import Counter
print(Counter(sample))

产出：

Counter({'apple': 399778, 'orange': 300317, 'mango': 299905})

更不用说，它实际上比“按要求的比例构建一个列表，然后将其洗牌”更容易

---

此外，shuffle总是能生产出40%的苹果、30%的橙子和30%的芒果，这与“根据离散概率分布生产一百万个水果样本”的说法不同。后者是

选择

解决方案所做的（以及

对分

）。如上所述，当使用

numpy

时，大约有40%的苹果等，但是如果计数=1000000，那么列表大小将增加，实际上我试图在一个月内模拟一个数据集，如每天1000000行，如果我用同样的逻辑会好吗？这个概念是非常普遍的，有很多方法可以建立它。我编辑了答案，以展示如何使用random.choice（）从元素比例适当的池中一次选择一个元素。您也可以进行累积分布，并使用对分进行选择，但对于您描述问题的方式来说，这样做太过分了。

Counter({'apple': 399778, 'orange': 300317, 'mango': 299905})