如何从以下列表中随机检索项目?

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

当前回答

这可能已经是一个答案,但您可以使用random.shuffle。示例:

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

其他回答

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

import random
group_of_items = {'a', 'b', 'c', 'd', 'e'}  # 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一个项目,那么choice就不那么麻烦了,因为使用sample将使用语法random.sample(some_list,1)[0],而不是random.cochoice(some_list)。

不幸的是,选择只适用于序列(如列表或元组)的单个输出。尽管随机。choice(tuple(some_set))可能是从集合中获取单个项的选项。

编辑:使用秘密

正如许多人所指出的,如果您需要更安全的伪随机样本,您应该使用secrets模块:

import secrets                              # imports secure module.
secure_random = secrets.SystemRandom()      # creates a secure random object.
group_of_items = {'a', 'b', 'c', 'd', 'e'}  # a sequence or set will work here.
num_to_select = 2                           # set the number to select here.
list_of_random_items = secure_random.sample(group_of_items, num_to_select)
first_random_item = list_of_random_items[0]
second_random_item = list_of_random_items[1]

编辑:Pythonic One Liner

如果你想要一个更像蟒蛇的一行程序来选择多个项目,你可以使用解包。

import random
first_random_item, second_random_item = random.sample({'a', 'b', 'c', 'd', 'e'}, 2)

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:)

从Python 3.6开始,您可以使用secrets模块,对于加密或安全用途,它比随机模块更好。

要打印列表中的随机元素:

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

要打印随机索引:

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

有关详细信息,请参见PEP 506。

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)

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