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

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也会这样做：）

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)

推荐的numpy方式是使用显式RNG：

from numpy.random import default_rng

rng = default_rng()
rng.choice(foo)

你可以：

from random import randint

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

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

如果还需要索引，请使用random.randrange

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