random.choices() 更适合抽奖权重逻辑，因其支持 weights 参数按比例分配概率、允许重复抽取，而 random.choice() 无法实现加权；需手动处理不放回抽样、去重及导出校验。
为什么 random.choices() 比 random.choice() 更适合抽奖权重逻辑
因为 random.choice() 对所有选项一视同仁，没法表达“iPhone 中奖概率是纸巾的 10 倍”这种业务需求；而 random.choices() 支持 weights 参数，直接按数值比例分配概率，且允许重复抽中（比如多人可同时中同一奖品），符合真实抽奖场景。
注意：权重不要求归一化，[10, 1, 5] 和 [100, 10, 50] 效果一致；但必须是正数，传负数或零会抛 ValueError: weights must be non-negative。
- 若需「不放回」抽（每人仅中一次、奖品不可重复），得自己维护已抽列表 + 动态更新剩余权重，不能只靠
random.choices()一步到位 -
k参数控制抽取次数，设为1是单次抽奖，设为10就是一次出 10 个中奖者（可能重复） - Python 3.6+ 才有
random.choices()，旧版本得用numpy.random.choice()或手写累积权重二分查找
导出中奖名单时，csv.writer 比 pandas.DataFrame.to_csv() 更轻量也更可控
抽奖模块通常不需要分析、透视或缺失值处理，只是把 name、prize、timestamp 三列原样存成 Excel 可打开的表格。用 pandas 会多引入依赖、启动慢，还容易因默认参数导致中文乱码或索引列多出一列。
直接用标准库 csv 模块，配合 open(..., encoding='utf-8-sig') 即可兼容 Windows Excel 的 UTF-8 BOM 识别：
import csv
with open('winners.csv', 'w', newline='', encoding='utf-8-sig') as f:
writer = csv.writer(f)
writer.writerow(['姓名', '奖项', '抽中时间'])
for name, prize in winners:
writer.writerow([name, prize, datetime.now().strftime('%Y-%m-%d %H:%M:%S')])- 务必加
newline=''，否则 Windows 下用csv.writer会空一行（Python 文档明确要求） -
utf-8-sig编码比纯utf-8多写 BOM 头，Excel 才能正确识别中文 - 如果名单要带序号（第1名、第2名），别用
enumerate()后再写，直接在writerow里拼[i+1, name, prize, ...]
Sublime Text 里调试权重抽奖逻辑，别依赖 print()，用 subprocess.run() 调 Python 解释器更可靠
Sublime 是编辑器，不是 IDE，没内置变量监视或断点。写完 draw_prize(weights=[...]) 后想验证结果分布是否符合预期，靠肉眼看几次 print() 输出完全不可靠——小样本偏差太大。
推荐写个最小验证脚本，用 subprocess.run() 批量跑 10000 次，再统计频次：
import subprocess
result = subprocess.run(
['python', '-c', '''
import random
weights = [70, 20, 10] # 一等奖:二等奖:三等奖
samples = [random.choices(["A", "B", "C"], weights=weights)[0] for _ in range(10000)]
print({k: v/10000 for k, v in __import__("collections").Counter(samples).items()})
'''],
capture_output=True, text=True
)
print(result.stdout)- 这样避免在 Sublime 控制台里反复手动运行，也绕过插件对
sys.stdout的劫持问题 - 权重和样本数写死在命令行字符串里，改起来快，不用切文件、保存、再运行
- 如果发现实际比例严重偏离（如
70:20:10抽出来变成65:25:10），大概率是权重数组里混入了浮点误差或隐式类型转换（比如从 JSON 读进来变成70.0，但random.choices接受）
导出名单前必须校验中奖者是否重复，尤其当 k > 1 且未禁用重复时
业务上常要求“同一人不能重复中奖”，但 random.choices() 默认允许重复。如果没做去重，导出的 CSV 里可能出现张三中两次一等奖——这在审计或发奖时就是事故。
简单去重不等于用 set()，因为顺序会丢、且无法处理“张三中一等奖，李四中二等奖，张三再中三等奖”这类合法重复（不同奖）。正确做法是按业务规则定义“重复”：
- 若“每人限中一个奖”，抽完立刻用
dict记录{name: prize}，后续再抽到已存在name就跳过并重抽 - 若“每人每个奖限中一次”，得用
set存(name, prize)元组 - 导出前加一行
assert len(winners) == len(set(w[0] for w in winners))，测试环境直接崩给你看，比上线后被投诉强
权重算法本身不保证唯一性，去重逻辑必须显式写清楚，藏在“抽完再 dedup”这种模糊表述里，迟早出问题。
