简而言之，使用random.sample方法

示例方法返回一个新列表，其中包含总体中的元素，而保持原始总体不变。结果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。

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']

这是运行代码https://onecompiler.com/python/3xem5jjvz

你可以：

from random import randint

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

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

NumPy解决方案：NumPy.random.ochoice

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

此外，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

为了再现性，您可以执行以下操作：

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

对于作为数组返回的一个或多个项目的示例，请传递size参数：

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

我建议使用一个脚本来删除列表中随机选取的项目，直到列表为空：

维护一个集合并删除随机选取的元素（有选择），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)

三次跑步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([])

随机项目选择：

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，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]

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

我通常使用随机模块处理列表和随机化：

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