使用 random.choice（）：

import random

foo = ['a', 'b', 'c', 'd', 'e']
print(random.choice(foo))

对于加密安全的随机选择（例如，用于从单词列表生成密码），请使用 secrets.choice（）：

import secrets

foo = ['battery', 'correct', 'horse', 'staple']
print(secrets.choice(foo))

secrets是 Python 3.6 中的新增功能。在旧版本的 Python 上，您可以使用 random。SystemRandom 类：

import random

secure_random = random.SystemRandom()
print(secure_random.choice(foo))

如果您还需要索引，请使用 random.randrange

from random import randrange
random_index = randrange(len(foo))
print(foo[random_index])

如果需要索引，只需使用：

import random
foo = ['a', 'b', 'c', 'd', 'e']
print int(random.random() * len(foo))
print foo[int(random.random() * len(foo))]

random.choice 做同样的事情：）

我提出了一个脚本，用于从列表中删除随机拾取的项目，直到它为空：

保留并删除随机拾取的元素（带有 ），直到 list 为空。setchoice

s=set(range(1,6))
import random

while len(s)>0:
  s.remove(random.choice(list(s)))
  print(s)

三次运行给出三种不同的答案：

>>> 
set([1, 3, 4, 5])
set([3, 4, 5])
set([3, 4])
set([4])
set([])
>>> 
set([1, 2, 3, 5])
set([2, 3, 5])
set([2, 3])
set([2])
set([])

>>> 
set([1, 2, 3, 5])
set([1, 2, 3])
set([1, 2])
set([1])
set([])

我们也可以使用 randint 来做到这一点。

from random import randint
l= ['a','b','c']

def get_rand_element(l):
    if l:
        return l[randint(0,len(l)-1)]
    else:
        return None

get_rand_element(l)

这是带有定义随机索引的变量的代码：

import random

foo = ['a', 'b', 'c', 'd', 'e']
randomindex = random.randint(0,len(foo)-1) 
print (foo[randomindex])
## print (randomindex)

这是没有变量的代码：

import random

foo = ['a', 'b', 'c', 'd', 'e']
print (foo[random.randint(0,len(foo)-1)])

这是以最短和最聪明的方式完成的代码：

import random

foo = ['a', 'b', 'c', 'd', 'e']
print(random.choice(foo))

（蟒蛇 2.7）

如果您想从列表中随机选择多个项目，或者从集合中选择一个项目，我建议您改用。random.sample

import random
group_of_items = {'a', 'b', 'c', 'd', 'e'}  # a sequence or set will work here.
num_to_select = 2                           # set the number to select here.
list_of_random_items = random.sample(group_of_items, num_to_select)
first_random_item = list_of_random_items[0]
second_random_item = list_of_random_items[1] 

但是，如果您只从列表中提取单个项目，则选择就不那么笨拙了，因为使用 sample 将具有语法而不是 .random.sample(some_list, 1)[0]random.choice(some_list)

不幸的是，选择仅适用于序列（例如列表或元组）的单个输出。虽然可能是从集合中获取单个项目的选项。random.choice(tuple(some_set))

编辑：使用机密

正如许多人所指出的，如果你需要更安全的伪随机样本，你应该使用secrets模块：

import secrets                              # imports secure module.
secure_random = secrets.SystemRandom()      # creates a secure random object.
group_of_items = {'a', 'b', 'c', 'd', 'e'}  # a sequence or set will work here.
num_to_select = 2                           # set the number to select here.
list_of_random_items = secure_random.sample(group_of_items, num_to_select)
first_random_item = list_of_random_items[0]
second_random_item = list_of_random_items[1]

编辑：Pythonic One-Liner

如果您想要一个更 pythonic 的单行来选择多个项目，您可以使用解包。

import random
first_random_item, second_random_item = random.sample({'a', 'b', 'c', 'd', 'e'}, 2)

从 Python 3.6 开始，您可以使用 secrets 模块，该模块在加密或安全用途方面比 random 模块更可取。

要打印列表中的随机元素：

import secrets
foo = ['a', 'b', 'c', 'd', 'e']
print(secrets.choice(foo))

要打印随机索引：

print(secrets.randbelow(len(foo)))

有关详细信息，请参阅 PEP 506。

如何从列表中随机选择一个项目？

假设我有以下列表：

foo = ['a', 'b', 'c', 'd', 'e']  

从此列表中随机检索项目的最简单方法是什么？

如果你想接近真正的随机，那么我建议从标准库（Python 3.6 中的新功能）中：secrets.choice

>>> from secrets import choice         # Python 3 only
>>> choice(list('abcde'))
'c'

以上等同于我之前的建议，使用模块中的对象和方法 - 在 Python 2 中较早可用：SystemRandomrandomchoice

>>> import random                      # Python 2 compatible
>>> sr = random.SystemRandom()
>>> foo = list('abcde')
>>> foo
['a', 'b', 'c', 'd', 'e']

现在：

>>> sr.choice(foo)
'd'
>>> sr.choice(foo)
'e'
>>> sr.choice(foo)
'a'
>>> sr.choice(foo)
'b'
>>> sr.choice(foo)
'a'
>>> sr.choice(foo)
'c'
>>> sr.choice(foo)
'c'

如果想要确定性伪随机选择，请使用以下函数（它实际上是对象上的绑定方法）：choiceRandom

>>> random.choice
<bound method Random.choice of <random.Random object at 0x800c1034>>

它似乎是随机的，但实际上并非如此，如果我们反复重新播种它，我们可以看到这一点：

>>> random.seed(42); random.choice(foo), random.choice(foo), random.choice(foo)
('d', 'a', 'b')
>>> random.seed(42); random.choice(foo), random.choice(foo), random.choice(foo)
('d', 'a', 'b')
>>> random.seed(42); random.choice(foo), random.choice(foo), random.choice(foo)
('d', 'a', 'b')
>>> random.seed(42); random.choice(foo), random.choice(foo), random.choice(foo)
('d', 'a', 'b')
>>> random.seed(42); random.choice(foo), random.choice(foo), random.choice(foo)
('d', 'a', 'b')

评论：

这与random.choice是否真的是随机的无关。如果你固定种子，你会得到可重复的结果--这就是种子的设计目的。您也可以将种子传递给 SystemRandom。sr = random.SystemRandom(42)

好吧，是的，你可以给它传递一个“种子”参数，但你会看到 SystemRandom 对象只是忽略了它：

def seed(self, *args, **kwds):
    "Stub method.  Not used for a system random number generator."
    return None

foo = ['a', 'b', 'c', 'd', 'e']
number_of_samples = 1

在 Python 2 中：

random_items = random.sample(population=foo, k=number_of_samples)

在 Python 3 中：

random_items = random.choices(population=foo, k=number_of_samples)

NumPy 解决方案：numpy.random.choice

对于这个问题，它的工作原理与接受的答案 （） 相同，但我添加它是因为程序员可能已经导入了 NumPy（像我一样）import random; random.choice()

而且这两种方法之间也存在一些差异，可能与您的实际用例有关。

import numpy as np
np.random.choice(foo) # randomly selects a single item

为了实现可重复性，您可以执行以下操作：

np.random.seed(123)
np.random.choice(foo) # first call will always return 'c'

对于一个或多个项目的示例，以 ，返回为 ，传递参数：arraysize

np.random.choice(foo, 5)          # sample with replacement (default)
np.random.choice(foo, 5, False)   # sample without replacement

总之，使用方法random.sample

该方法返回一个包含来自总体的元素的新列表，同时保持原始种群不变。生成的列表按选择顺序排列，因此所有子切片也将是有效的随机样本。sample

import random
lst = ['a', 'b', 'c', 'd', 'e']
random.seed(0)  # remove this line, if you want different results for each run
rand_lst = random.sample(lst,3)  # 3 is the number of sample you want to retrieve
print(rand_lst)

Output:['d', 'e', 'a']

这是一个运行代码 https://onecompiler.com/python/3xem5jjvz

随机选择项目：

import random

my_list = [1, 2, 3, 4, 5]
num_selections = 2

new_list = random.sample(my_list, num_selections)

要保持列表的顺序，您可以执行以下操作：

randIndex = random.sample(range(len(my_list)), n_selections)
randIndex.sort()
new_list = [my_list[i] for i in randIndex]

https://stackoverflow.com/a/49682832/4383027 副本

您可以：

from random import randint

foo = ["a", "b", "c", "d", "e"]

print(foo[randint(0,4)])

这可能已经是一个答案，但您可以使用 random.shuffle。例：

import random
foo = ['a', 'b', 'c', 'd', 'e']
random.shuffle(foo)

现在推荐的 numpy 方法是使用显式 RNG：

from numpy.random import default_rng

rng = default_rng()
rng.choice(foo)

我通常使用随机模块来处理列表和随机化：

import random
foo = ['a', 'b', 'c', 'd', 'e']
print(random.choice(foo))

要从列表中选择多个值，请参阅下表，了解每个模块中的相关方法。foo = ['a', 'b', 'c', 'd', 'e']

random.choices(foo, k=4)

random.sample(foo, k=4)

rng = np.random.default_rng()
rng.choice(foo, size=4)

rng = np.random.default_rng()
rng.choice(foo, size=4, replace=False)

s = pd.Series(foo)
s.sample(n=4, replace=True)

s = pd.Series(foo)
s.sample(n=4)

在性能方面，它取决于原始数据的大小和采样数据的大小，但一般来说，如果数据类型是 Python 数据结构（例如列表），则最好使用，而 / 在其原生对象上表现最佳，例如 numpy ndarray、pandas Series。randomnumpypandas

例如，在以下基准测试中（在 Python 3.11.4、numpy 1.25.2 和 pandas 2.0.3 上测试），其中 20k 项是从长度为 100k 的对象中采样的，numpy 和 pandas 在数组和 Series 上非常快，但在列表中很慢，而在列表中是最快的。random.choices

import timeit

setup = """
import random
import pandas as pd
import numpy as np

li = list(range(100000))
ar = np.array(li)
sr = pd.Series(li)
n = len(li)//5
"""

min(timeit.repeat("random.choices(li, k=n)", setup, number=100))                     # 0.5333051000052365 
min(timeit.repeat("np.random.default_rng().choice(li, size=n)", setup, number=100))  # 0.9663617000041995 
min(timeit.repeat("pd.Series(li).sample(n=n, replace=True)", setup, number=100))     # 3.30128049999621 

min(timeit.repeat("random.choices(ar, k=n)", setup, number=100))                     # 0.5489860999950906 
min(timeit.repeat("np.random.default_rng().choice(ar, size=n)", setup, number=100))  # 0.030448100005742162 
min(timeit.repeat("pd.Series(ar).sample(n=n, replace=True)", setup, number=100))     # 0.07655550000345102 

min(timeit.repeat("random.choices(sr, k=n)", setup, number=100))                     # 6.577740900000208 
min(timeit.repeat("np.random.default_rng().choice(sr, size=n)", setup, number=100))  # 0.0323493999967468 
min(timeit.repeat("sr.sample(n=n, replace=True)", setup, number=100))                # 0.06925690000207396