python中random.choice()函数_cv_lhp的博客-爱代码爱编程

1. random.choice(seq)函数

从非空序列中随机选取一个数据并返回，该序列可以是list、tuple、str、set。
举例：

import random
print(random.choice('choice')) 

结果：choice其中任意一个字母，可能是c也可能是h...

2. random.choices(population,weights=None,*,cum_weights=None,k=1)函数

1. population：集合
2. weights：相对权重
3. cum_weights：累加权重
4. k：选取次数

作用：从集合中随机选取k次数据，返回一个列表，可以设置权重
**注意：**每次选取都不会影响原序列，每一次选取都是基于原序列。从population中进行K次有放回随机选取，每次选取一个元素（注意会出现同一个元素多次被选中的情况）。
举例（可以多输出几次看看规律。）：

import random
a = [1,2,3,4,5]
print(random.choices(a,k=6))
解析：重复6次从列表a中的各个成员中选取一个数输出，各个成员出现概率基本持平。
结果：[5, 4, 5, 4, 1, 3]（随机生成的）
print(random.choices(a,weights=[0,0,1,0,0],k=6))
解析：重复6次从列表a中提取3，最终得到[3, 3, 3, 3, 3, 3]
结果：[3, 3, 3, 3, 3, 3]（固定结果）
print(random.choices(a,weights=[1,1,1,1,1],k=6))
解析：重复6次从列表a中的各个成员中选取一个数输出，各个成员出现概率基本持平。
结果：[5, 4, 3, 5, 4, 3]（随机生成的）
print(random.choices(a,cum_weights=[1,1,1,1,1],k=6))
结果：[1, 1, 1, 1, 1, 1]（固定结果）

结论：

参数weights设置相对权重，它的值是一个列表，设置之后，每一个成员被抽取到的概率就被确定了。
比如weights=[1,2,3,4,5],那么第一个成员的概率就是P=1/(1+2+3+4+5)=1/15。

cum_weights设置累加权重，Python会自动把相对权重转换为累加权重，即如果你直接给出累加权重，
那么就不需要
给出相对权重，且Python省略了一步执行。
比如weights=[1,2,3,4],那么cum_weights=[1,3,6,10]
这也就不难理解为什么cum_weights=[1,1,1,1,1]输出全是第一个成员1了。

3. random sample()

从population中无放回取样，一次取k个，返回一个k长的列表

random.sample
import random

_list = [n for n in range(1000)]
x = random.sample(_list, k=100)
print(len(set(x)) == len(x))
#输出结果为:True

4. 总结

1. choice(seq): 从seq序列中（可以是列表，元组，字符串）随机取一个元素返回

2. choices(population, weights=None, *, cum_weights=None, k=1)：从population中进行K次有放回随机选取，每次选取一个元素（注意会出现同一个元素多次被选中的情况），weights是相对权重值，population中有几个元素就要有相对应的weights值，cum_weights是累加权重值，例如，相对权重〔10, 5, 30，5〕相当于累积权重〔10, 15, 45，50〕。在内部，在进行选择之前，相对权重被转换为累积权重，因此提供累积权重节省了工作。返回一个列表。

3. sample(population, k)：从population中无放回取样，一次取k个，返回一个k长的列表。可以像这样使用sample(range(10000000), k=60)

5. 相关链接

Python: random模块的随即取样函数：choice()，choices()，sample()
Python学习：random模块下的choices()函数详解