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

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，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))

Python 3.6中的新秘密。在旧版本的Python上，可以使用random.SystemRandom类：

import random

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

推荐的numpy方式是使用显式RNG：

from numpy.random import default_rng

rng = default_rng()
rng.choice(foo)

我通常使用随机模块处理列表和随机化：

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

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

你可以：

from random import randint

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

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