企业官网建设流程全解析

• 教程
• 文档

30-seconds-of-python是一个以"短小精悍、开箱即用"为理念的 Python 代码片段集合（见 README.md），其中的sample片段解决了一个高频需求：从列表中随机取出一个元素。本篇文章将以 snippets/sample.md 为骨架，完整还原该片段的定义与用法，并从源码层面剖析random.choice()的底层行为、边界条件与性能特征，同时串联仓库中shuffle、roll、head、last等同系列片段，帮助你在随机抽样、模拟测试、数据采样等场景中快速写出正确高效的代码。

片段速览：sample 的完整定义

sample是仓库中一个典型的 list + random 双标签片段，其完整定义位于 snippets/sample.md，核心代码如下：

from random import choice def sample(lst): return choice(lst)

函数逻辑非常直白：从random模块导入choice函数，sample(lst)接收一个列表，直接将其转发给choice，返回被选中的那个元素。整个函数只有一行return choice(lst)，是典型的"薄封装"写法——把标准库能力包装成语义更贴合业务场景的 API（sample即"从集合中抽取样本"）。

对应片段的运行示例为：

sample([3, 7, 9, 11]) # 9

注意注释中的# 9只是某一次运行的可能结果。choice的随机性是"每次调用独立"的，因此实际返回值可能是3、7、9、11中的任意一个，甚至同一次会话中连续调用也可能得到不同结果。

该片段同时带有标准 frontmatter 元数据：

--- title: Random element in list type: snippet tags: [list,random] cover: walking-on-top dateModified: 2020-10-28T11:45:34+02:00 ---

其中type: snippet标记文档类型，tags声明的两个标签list与random在 README.md 描述的分类体系中分别对应"列表操作"与"随机处理"两大主题，便于在站点上按标签检索。

random.choice 的底层原理与边界行为

要真正用好这个片段，需要理解random.choice()是如何工作的。根据 Python 标准库random模块的官方定义：

• choice(seq)从非空序列中返回一个随机元素；
• 它的实现本质是"生成一个合法随机索引，再按索引取值"，即等价于seq[randbelow(len(seq))]的语义；
• 因此它要求传入的序列支持索引访问（subscriptable），列表、元组、字符串均满足条件。

由此可以推断出几个关键特性：

1. 时间复杂度为 O(1)：choice不遍历列表、不复制列表，只是根据随机索引直接取元素，耗时与列表长度无关，适合在大列表上高频调用。
2. 空序列直接抛异常：当lst为空时，len(seq)为 0，无法生成合法索引，Python 会抛出IndexError: Cannot choose from an empty sequence。sample片段本身不包含空列表防护，调用方需要自行保证传入非空列表，或在调用前用if lst:做判空。
3. 随机种子可复现：random模块支持random.seed()设置种子，同样的种子会得到同样的随机序列，这在测试中可用来让"随机"结果变得可断言。

与相关随机函数对比：何时该用 choice

random模块提供了多个"随机取值"入口，理解它们之间的差异才能在实战中选对工具：

一个常见的误用是把choice与randint混用：lst[randint(0, len(lst) - 1)]虽然结果相同，但需要显式处理边界与下标计算，可读性和出错风险都不如直接choice(lst)。当"只取一个元素"时，sample片段就是最简洁的选择；当需要"取一批"时，则应改用标准库的choices/sample。

仓库同系列片段串联：从单点抽样到整表随机

sample在仓库中并非孤立存在，它与多个 list/random 主题片段构成一个可组合的工具集：

• snippets/shuffle.md（Shuffle list）：使用 Fisher-Yates 算法随机重排列表，返回一个新列表而不修改原列表（内部通过deepcopy保护入参）；
• snippets/roll.md（Rotate list elements）：按指定偏移量旋转列表；
• snippets/head.md（List head）：返回列表第一个元素lst[0]；
• snippets/last.md（Last list element）：返回列表最后一个元素lst[-1]。

将shuffle与head组合，即可实现"不放回地随机取一个元素"的语义：

from snippets.shuffle import shuffle # 示意：实际可复制片段代码 shuffled = shuffle(lst) # 先打乱 first = shuffled[0] # 再取头部，等价于一次"抽取后移除"

这种组合思路在实现抽奖、随机出题、A/B 分组等场景时非常实用：sample负责"有放回"的独立抽样，shuffle + head/last负责"无放回"的批次抽取。

实战建议与扩展用法

围绕sample片段，结合实际使用场景给出几条可直接落地的建议：

1. 判空保护：因为空列表会触发IndexError，建议调用方封装一层def sample(lst): return choice(lst) if lst else None或在业务侧先判空。
2. 抽样多个值：批量随机取元素时，random.choices(lst, k=3)与random.sample(lst, k=3)分别对应"可重复"与"不重复"两种需求，优先使用标准库而不要循环调用sample。
3. 测试可复现：在单元测试中使用random.seed(42)固定随机序列，再断言sample的输出。
4. 可作用对象不止列表：choice支持任何下标可访问的序列类型，sample("python")同样可以随机取出一个字符。

最后补充一点与仓库相关的背景：CONTRIBUTING.md 约定了 snippet 的统一规范——所有片段只能使用原生 Python 3.6 模块（不引入第三方依赖），代码必须短小、可读、抽象，且严格遵循 snippet-template.md 的格式（2 空格软缩进、frontmatter 完整、代码与示例分别置于语言标记代码块中）。sample片段正是这些规范的完美体现：三行代码、零依赖、语义清晰，值得作为模板学习。

• 教程
• 文档