用python从csv文件中的概率生成数字

我有一个excel文件，里面有不同的案例，每个案例大约有75个事件。考虑到每种情况，每个事件都有发生的概率。因此excel文件如下所示：

       event1  event2 ...   event75    

case1  0.0343  0.0234 ...   0.1194

case2  0.0924  0.0532 ...   0.0023

excel_cases = pd.read_csv('/.../cases.csv')

def event_probabilities(case):
event_probability = excel_cases.loc[excel_cases['Case'] == case, 'event1'].values[0]
return event_probability

event1_probability = event_probabilities("case1")
np.random.choice(np.arange(1, 3), p=[event1_probability, (1 - event1_probability)])
# can also do an event2_probability instead of 1-event1_probability

我想在python中生成一个随机数，范围从0到75，概率为给定情况。当我处理可能只发生2个事件的案例时，我使用了如下代码：

       event1  event2 ...   event75    

case1  0.0343  0.0234 ...   0.1194

case2  0.0924  0.0532 ...   0.0023

excel_cases = pd.read_csv('/.../cases.csv')

def event_probabilities(case):
event_probability = excel_cases.loc[excel_cases['Case'] == case, 'event1'].values[0]
return event_probability

event1_probability = event_probabilities("case1")
np.random.choice(np.arange(1, 3), p=[event1_probability, (1 - event1_probability)])
# can also do an event2_probability instead of 1-event1_probability

然而，当活动范围越来越大时，我不知道怎样做才能更有效。谢谢你的帮助

---

*与另一个问题不同，因为我从Excel中获取概率，所以看起来精度是4位小数，对吗？所以你可以得到一个0到9999之间的随机数：

from random import randint
randomNum = randint(0,9999))

然后将每个概率乘以10000，为每个开关设置一组elif语句。因此，如果事件1的概率为0.0045，事件2的概率为0.0100，则elif将如下所示

if randomNum < 45:
    event_1()
elif randomNum > 45 && randomNum < 145:
    event_2()
..........

如果randomNum<45：
事件1（）
elif randomNum>45&&randomNum<145:
事件2（）
..........

---

等等。这不需要对random进行如此多的调用。尽管设置它可能不是一件小事

您有75个事件，但有76个返回值（0-75）；额外的一个是什么？我想当范围（0,75）不包括75，所以它是75个值，0到74，这样做需要很长时间，这不是很实用，就像我使用的方法一样。我正在寻找一种更简单的方法，不知道是否有。如果以编程方式生成代码不会花费太长时间，但这是一个完全不同的任务。