【问题标题】:How can I randomly select an item from a list?如何从列表中随机选择一个项目?
【发布时间】:2010-09-23 07:30:48
【问题描述】:

假设我有以下列表:

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

从此列表中随机检索项目的最简单方法是什么?

【问题讨论】:

    标签: python list random


    【解决方案1】:

    使用random.choice():

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

    对于cryptographically secure 随机选择(例如,从单词列表生成密码),使用secrets.choice()

    import secrets
    
    foo = ['battery', 'correct', 'horse', 'staple']
    print(secrets.choice(foo))
    

    secrets 是 Python 3.6 中的新功能。在旧版本的 Python 上,您可以使用 random.SystemRandom 类:

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

    【讨论】:

    • 连续两次调用random.choice(foo)会返回两个不同的结果吗?
    • @EduardoPignatelli 每个选择都是随机的,因此它可以返回两个不同的结果,但取决于起始种子,不能保证。如果要从列表 lst 中选择 n 个不同的随机元素,请使用 random.sample(lst, n)
    • 在相关注释上,Standard pseudo-random generators are not suitable for security/cryptographic purposes.ref
    【解决方案2】:

    如果您想从列表中随机选择多个项目,或者从一组中选择一个项目,我建议您改用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] 
    

    如果您只是从列表中提取一个项目,那么选择就不那么笨拙了,因为使用示例的语法是 random.sample(some_list, 1)[0] 而不是 random.choice(some_list)

    不幸的是,选择仅适用于序列的单个输出(例如列表或元组)。虽然random.choice(tuple(some_set)) 可能是从集合中获取单个项目的选项。

    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 Pythonic 的单线来选择多个项目,你可以使用 unpacking。

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

    【讨论】:

    【解决方案3】:

    如果您还需要索引,请使用random.randrange

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

    【讨论】:

      【解决方案4】:

      从 Python 3.6 开始,您可以使用 secrets 模块,对于密码学或安全用途,它比 random 模块更可取。

      从列表中打印一个随机元素:

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

      打印随机索引:

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

      详情请见PEP 506

      【讨论】:

        【解决方案5】:

        我提出了一个脚本,用于从列表中删除随机选取的项目,直到它为空:

        维护一个set 并移除随机选取的元素(使用choice)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)
        

        三次运行给出三个不同的答案:

        >>> 
        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([])
        

        【讨论】:

        • 或者您可以只random.shuffle list 一次,然后迭代它或弹出它以产生结果。要么会导致完全足够的“随机选择不重复”流,只是会在开始时引入随机性。
        • 理论上你可以使用集合的pop() 方法从集合中移除任意元素并返回它,但它可能不够随机。
        【解决方案6】:
        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)
        

        【讨论】:

        • 请注意,random.choices 是有替换的,而random.sample 是没有替换的。
        • 另请注意,random.choices 从 3.6 及更高版本开始可用,而不是之前!
        【解决方案7】:

        NumPy 解决方案:numpy.random.choice

        对于这个问题,它与接受的答案(import random; random.choice())相同,但我添加它是因为程序员可能已经导入了 NumPy(像我一样)

        还有some differences between the two methods 可能与您的实际用例有关。

        import numpy as np
        np.random.choice(foo) # randomly selects a single item
        

        为了重现性,您可以这样做:

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

        对于一个或多个项目的样本,返回为array,传递size 参数:

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

        【讨论】:

        【解决方案8】:

        如何从列表中随机选择一个项目?

        假设我有以下列表:

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

        从此列表中随机检索项目的最简单方法是什么?

        如果您希望接近真正随机,那么我建议使用标准库中的secrets.choice(Python 3.6 中的新功能。):

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

        以上内容等同于我之前的建议,使用 random 模块中的 SystemRandom 对象和 choice 方法 - 在 Python 2 的早期版本中可用:

        >>> 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'
        

        如果您想要确定性伪随机选择,请使用choice 函数(它实际上是Random 对象上的绑定方法):

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

        看起来是随机的,其实不是,我们反复reseed就可以看到:

        >>> 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,你将获得可重复的结果——这就是种子的设计目的。您也可以将种子传递给 SystemRandom。 sr = random.SystemRandom(42)

        嗯,是的,您可以将“种子”参数传递给它,但您会看到 SystemRandom object simply ignores it:

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

        【讨论】:

        • 这只是迂腐,但秘密并不是真正随机的,它是加密安全的伪随机。
        【解决方案9】:

        如果您需要索引,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 也是这样:)

        【讨论】:

        • @tc。实际上,它的作用基本相同。 random.choice(self, seq) 的实现是return seq[int(self.random() * len(seq))]
        • @wim 这有点令人失望,但 非常 令人失望的是这也是 randrange() 的定义,这意味着例如random.SystemRandom().randrange(3&lt;&lt;51) 表现出明显的偏见。 叹息...
        • @kevinsa5 归根结底,这是因为float(IEEE 双精度型)只能在 [0,1) 中采用有限数量的值。 Random.random() 以传统方式生成其输出:在[0, 2**53) 中选择一个随机整数并除以2**53(53 是双精度数中的位数)。所以random() 返回 2**53 个等概率的双精度数,只有当 N 是 2 的幂时,您才能将其均匀地分成 N 个输出。对于小 N,偏差很小,但请参阅 collections.Counter(random.SystemRandom().randrange(3&lt;&lt;51)%6 for i in range(100000)).most_common()。 (Java 的 Random.nextInt() 避免了这种偏见。)
        • @tc。我想任何小于2**40(即1099511627776)的东西都足够小,以至于偏差在实践中并不重要?这确实应该在文档中指出,因为如果有人不细致,他们可能不会想到他们的这部分代码会出现问题。
        • @tc.:实际上,random 使用getrandbits 来获得足够数量的位来为更大的randranges 生成结果(random.choice 也在使用它)。在 2.7 和 3.5 上都是如此。它仅在getrandbits 不可用时使用self.random() * len(seq)。它没有做你认为的愚蠢的事情。
        【解决方案10】:

        我通常使用随机模块来处理列表和随机化

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

        【讨论】:

          【解决方案11】:

          简而言之,使用random.sample方法

          sample 方法返回一个新列表,其中包含人口中的元素,同时保持原始人口不变。结果列表按选择顺序排列,因此所有子切片也都是有效的随机样本。

          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']
          

          这是一个运行代码 https://onecompiler.com/python/3xem5jjvz

          【讨论】:

          • 不适合我AttributeError: 'module' object has no attribute 'seed'
          • 这是一个在线教程(使用 Python3)显示带有种子作品的代码onecompiler.com/python/3xem5jjvz
          【解决方案12】:

          这是带有定义随机索引的变量的代码:

          import random
          
          foo = ['a', 'b', 'c', 'd', 'e']
          randomindex = random.randint(0,len(foo)-1) 
          print (foo[randomindex])
          ## print (randomindex)
          

          这是没有变量的代码:

          import random
          
          foo = ['a', 'b', 'c', 'd', 'e']
          print (foo[random.randint(0,len(foo)-1)])
          

          这是用最短和最聪明的方式编写的代码:

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

          (python 2.7)

          【讨论】:

            【解决方案13】:

            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,您可以这样做:

            randIndex = random.sample(range(len(my_list)), n_selections)
            randIndex.sort()
            new_list = [my_list[i] for i in randIndex]
            

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

            【讨论】:

              【解决方案14】:

              你可以:

              from random import randint
              
              foo = ["a", "b", "c", "d", "e"]
              
              print(foo[randint(0,4)])
              

              【讨论】:

                【解决方案15】:

                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)
                

                【讨论】:

                  【解决方案16】:

                  recommended numpy way 现在使用显式 RNG:

                  from numpy.random import default_rng
                  
                  rng = default_rng()
                  rng.choice(foo)
                  

                  【讨论】:

                  • @danon 推荐的方式在 numpy 内。与其他答案建议的 random.choice 方法相反。
                  【解决方案17】:

                  有两种方法可以做到。

                  1. 通过随机方法
                  import random
                  foo = ['a', 'b', 'c', 'd', 'e']
                  print(random.choice(foo))
                  
                  1. 通过 Secrets 方法
                  import secrets
                  foo = ['a', 'b', 'c', 'd', 'e']
                  print(secrest.choice(foo))
                  

                  【讨论】:

                    【解决方案18】:

                    我们也可以使用 randint 来做到这一点。

                    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)
                    

                    【讨论】:

                    • 既然有random.choice()random.randrange(),你到底为什么要这样做?
                    • "random.choice()" 将在空列表中为您提供“IndexError: list index out of range”。
                    • 理所当然:这就是例外。从空列表中选择是错误的。返回None 只是将罐子踢到稍后的某个随机点,其中无效的“元素”触发异常;或者更糟糕的是,你得到的是一个错误的程序而不是一个异常,你甚至都不知道它。
                    • 能否添加对randint的引用,最好是官方文档?
                    猜你喜欢
                    • 1970-01-01
                    • 2012-09-11
                    • 2022-01-15
                    • 2011-02-28
                    • 1970-01-01
                    • 2011-11-14
                    • 1970-01-01
                    • 2017-09-20
                    相关资源
                    最近更新 更多