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

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

我们也可以使用randint来实现这一点。

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)

如何从列表中随机选择项目？假设我有以下列表：foo=[‘a’，‘b’，‘c’，‘d’，‘e’]从列表中随机检索项目的最简单方法是什么？

如果你想接近真正的随机，那么我建议你从标准库中选择secrets.choice（Python 3.6中的新功能）：

>>> from secrets import choice         # Python 3 only
>>> choice(list('abcde'))
'c'

以上内容相当于我以前的建议，使用随机模块中的SystemRandom对象和choice方法-在Python 2中早期可用：

>>> import random                      # Python 2 compatible
>>> 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'

如果要进行确定性伪随机选择，请使用choice函数（实际上是随机对象上的绑定方法）：

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

这看起来是随机的，但实际上不是，如果我们重复重新播种，我们可以看到：

>>> 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')

评论：

这与random.choice是否真正随机无关。如果你修复了种子，你会得到可重复的结果——这就是种子的设计目的。你也可以将种子传递给SystemRandom。sr=随机.SystemRandom（42）

是的，你可以给它传递一个“种子”参数，但你会看到SystemRandom对象只是忽略了它：

def seed(self, *args, **kwds):
    "Stub method.  Not used for a system random number generator."
    return None

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