题 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?


1304
2017-11-20 18:42


起源




答案:


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,用于从词列表生成密码短语),请使用 random.SystemRandom 类:

import random

foo = ['battery', 'correct', 'horse', 'staple']
secure_random = random.SystemRandom()
print(secure_random.choice(foo))

2134
2017-11-20 18:46



请改进你的答案,因为你建议不安全的方法! Python 2 random 不能用于实际应用,需要良好的随机性,这在官方文档中有说明。你必须使用其中之一 os.urandom 并将其映射到列表中的索引,或使用 secrets.choice Python 3.6中的函数 - Vladimir Ignatyev
是否可以改善 10岁回答?我想人们应该注意这一点。 - Claud H
@ClaudH是的! SO也是一种百科全书/知识库 - 欢迎改进!其他答案过时的情况对于改进也很重要,即使答案是陈旧的。 - drevicko
@drevicko我的意思是,如果他的回答过时(特别是如果过去10年),回答者应该不在乎。因此,我不赞成“请改进你的答案”的评论。 - Claud H


如果您还需要索引:

foo = ['a', 'b', 'c', 'd', 'e']
from random import randrange
random_index = randrange(0,len(foo))
print foo[random_index]

125
2017-09-11 15:31



我认为他的意思是,有一个 choice 函数在Python库中是有原因的。我确信Guido和社区不仅仅选择了他们想到的第一种方法,而是使用了一种最适合通用用例的方法。当然,可能存在一些需要自定义实现的特殊问题(例如,在实时系统中,在低内存环境中等),但通常情况并非如此。 - Richard Otvos
我会比较喜欢 random.choice(list(enumerate(foo))) 为了这.. - wim
@wim那是 O(n) 而Juampi的完美方法是 O(1)。 - Veedrac
喜欢 range(..),你不需要提供第一个参数 randrange(..) 如果它是零。那是: randrange(len(foo)) 与答案中的相同。 - Evgeni Sergeev


如果您想从列表中随机选择多个项目,或者从一个集合中选择一个项目,我建议您使用 random.sample 代替。

import random
group_of_items = {1, 2, 3, 4}               # 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] 

如果您只从列表中提取单个项目,则选择不那么笨重,因为使用示例将具有语法 random.sample(some_list, 1)[0] 代替 random.choice(some_list)

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


108
2018-05-27 17:07





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:

保持一个 set 并删除随机拾取的元素(用 choice)直到列表为空。

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

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

三次运行给出三个不同的答案:

>>> 
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([])

27
2018-05-13 02:47



或者你可以 random.shuffle 该 list 一旦迭代它或弹出它以产生结果。要么导致完全足够的“随机选择而没有重复”流,只是在开始时引入随机性。 - ShadowRanger
从理论上讲,你可以使用 流行() 一个集合的方法从集合中删除任意元素并将其返回,但它可能不够随机。 - Joubarc


从Python 3.6开始,您可以使用 secrets 模块,优于 random 用于加密或安全使用的模块。

要从列表中打印随机元素:

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

要打印随机索引:

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

有关详情,请参阅 PEP 506


27
2017-12-05 16:52





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)])

这是最简单,最智能的代码:

import random

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

(python 2.7)


7
2018-05-25 14:57





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)

7
2017-11-29 16:40



注意 random.choices 是在更换时 random.sample 没有替代品。 - CentAu


如果你需要索引只需使用:

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:)


6
2017-12-23 22:06



@tc。实际上,它的确做的基本相同。实施 random.choice(self, seq) 是 return seq[int(self.random() * len(seq))]。 - wim
@wim这有点令人失望,但是 非常 令人失望的是,这也是定义 randrange() 这意味着例如 random.SystemRandom().randrange(3<<51) 表现出明显的偏见 叹... - tc.
@ kevinsa5最终是因为a float (IEEE双精度型)只能在[0,1]中取有限数量的值。 Random.random() 以传统方式生成其输出:选择一个随机整数 [0, 2**53) 除以 2**53 (53是double中的位数)。所以 random() 返回2 ** 53个等概率双精度数,只有当N是2的幂时,才能将其均匀地划分为N个输出。对于小N,偏差很小,但是请看 collections.Counter(random.SystemRandom().randrange(3<<51)%6 for i in range(100000)).most_common()。 (Java的Random.nextInt()避免了这种偏见。) - tc.
@tc。我想任何不到的东西 2**40,(这是1099511627776),是否足够小,在实践中偏见无关紧要?这应该在文档中真正指出,因为如果有人不细致,他们可能不会期望问题来自这部分代码。 - Evgeni Sergeev
@tc。:实际上, random 使用 getrandbits 获得足够数量的位来生成更大的结果 randranges(random.choice 也正在使用那个)。这在2.7和3.5都是如此。它只使用 self.random() * len(seq) 什么时候 getrandbits 不可用。它没有做你认为的愚蠢的事情。 - ShadowRanger


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?

如果你想要接近 真的随机,那我建议用一个 SystemRandom 来自的对象 random 模块与 choice 方法:

>>> import random
>>> 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'

如果您想要确定性的伪随机选择,请使用 choice function(实际上是一个绑定方法) Random 目的):

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

这似乎是随机的,但实际上并非如此,如果我们重复重复它,我们可以看到它:

>>> 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')

4
2018-06-23 22:22





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)

3
2017-08-05 07:28



为什么你会这样做,当有的时候 random.choice() 和 random.randrange()? - alexis
“random.choice()”会在空列表中显示“IndexError:list index out of range”。 - Abdul Majeed
应该这样:那就是例外情况。从空列表中选择是一个错误。返回 None 只需将罐头踢到随后的某个随机点,无效的“元素”会触发异常;或者更糟糕的是,你得到的程序不正确而不是例外,你甚至都不知道。 - alexis


numpy 解: numpy.random.choice

对于这个问题,它的工作原理与接受的答案相同(import random; random.choice()),但我添加了它,因为程序员可能已导入 numpy 已经(像我一样) 还有 两种方法之间存在一些差异 这可能与您的实际用例有关。

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

为了重现性,您可以:

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

对于样品 一个或多个项目,作为一个回归 array,通过 size 论据:

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

0
2017-07-17 16:20