Python 有没有比这更好的方法从列表中随机选择：

如您所见，最有可能选择a，但有更好/更短的方法吗？

如果您使用的是

选项

，而不是

选项

，则可以为每个元素指定权重

choices = [a,a,a,a,b,b,c]
random.choice(choices)

第二个参数是第一个参数中每个元素的相对权重。例如，在下面的示例中，您可以看到

a

的选择频率大约是

b

的两倍，大约是

c

的四倍

random.choices([a,b,c], [4,2,1])

---

如果您没有使用Python 3.6+（在

random.choices

中支持权重），则可以构建总体：

>>> import collections, random
>>> collections.Counter(random.choices('abc', [4,2,1], k=100))
Counter({'a': 58, 'b': 25, 'c': 17})

如果您担心较大权重值的性能，可以使用

itertools.accumulate

和

bisect

：

import random
a, b, c = 'abc'

weighted = [(a, 4), (b, 2), (c, 1)]

population = [x for x, weight in weighted for _ in range(weight)]
random.choice(population)

---

你的意思是从

[a，b，c]

中选择，但不统一？这种方式有什么不对？你说的“更好”是什么意思？Idk说我想打印一个随机选择，但得到a的机会比得到b或b的机会多c@juanpa.arrivillaga如果有很多选择的话，时间很长。我所说的更好是指做同样事情的代码更少如果你定义权重，这怎么会更随机呢？

随机。选择（“abc”）

将有1/3的机会返回

a

，

b

，或

c

<代码>随机。选择（'abc'，[4,2,1]）将选择

a

7次中的4次，

b

7次中的2次，以及

c

7次中的1次。它仍然是随机的，但不是均匀分布。@darshvader，因为其中一个更可能是随机分布chosen@chepner好的，很好的解释。出于某种原因，我忘记了即使是随机的，它们仍然会一致对齐。@chepner的功能与我最初使用的相同？这与OP使用的功能完全相同。@Austin的重点是避免键入

a、a、a、a、a、a、a、a、a、a、

。。。对于较大的值。@准确地说是Tomothy32，谢谢。我认为这是显而易见的，如果重量很大，这将是非常低效的。@Ekhumaro我补充了一个更一般的方法，尽管它使事情变得非常复杂。

import bisect
import itertools
import random

choices = ['a', 'b', 'c']
weights = [4, 2, 1]
cumulative_weights = list(itertools.accumulate(weights))

print(choices[bisect.bisect(cumulative_weights, random.random() * cumulative_weights[-1])])