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)

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，可以执行以下操作：

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

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

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])

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)

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)

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