应使用 random.choices() 实现加权随机抽样，因其自动归一化权重、支持浮点数和动态权重；random.choice() 仅支持等概率抽取，无法满足权重需求。
直接用 random.choices()，别写轮子，也别手动算累积概率。
为什么不用 random.choice()？
random.choice() 只支持等概率抽取，完全忽略权重。如果你传入 weights=[10, 1, 1]，它不会让第一个元素出现概率≈83%，而是三者各占1/3——这和需求完全不符。
常见错误是试图用 random.choice() 配合重复元素（比如把元素A塞10次进列表），但这样会大幅膨胀内存，且无法处理浮点权重或动态权重。
- 权重为浮点数（如
[0.7, 0.25, 0.05]）时，重复法失效 - 列表很大、权重差异极大时，构造重复列表可能 OOM
- 权重随运行时变化，每次重建列表开销高
random.choices() 的正确用法
Python 3.6+ 内置，一行解决，自动归一化权重，支持整数/浮点数/任意可迭代权重序列。
立即学习“Python免费学习笔记（深入）”；
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
基本形式：random.choices(population, weights=weights, k=1)
-
population：待抽样的列表（任何可迭代对象都行） -
weights：必须和population等长的数字序列，可以是list、tuple、numpy.ndarray（但注意 numpy 类型需兼容 Python float 转换） -
k：抽多少个，默认 1；设为k=5就返回长度为 5 的列表，允许重复抽取
示例：
import random items = ['apple', 'banana', 'cherry'] weights = [10, 2, 1] picked = random.choices(items, weights=weights, k=1)[0] # 返回单个元素 # 或一次抽多个： samples = random.choices(items, weights=weights, k=3) # 如 ['apple', 'apple', 'banana']
权重为零或负数？会报错
random.choices() 要求所有权重 ≥ 0，且至少有一个 > 0。遇到 0 权重会静默跳过该元素；但只要出现负数，立刻抛出 ValueError: weights sum must be positive。
- 想“禁用”某个元素？显式过滤掉它，别留
0权重 - 权重来自计算（比如相似度得分），记得做
max(0, x)截断再归一化（不过choices不需要你手动归一化） - 空权重列表或全零权重 → 报错，务必提前校验
安全写法示例：
if not weights or all(w <= 0 for w in weights):
raise ValueError("At least one positive weight required")
picked = random.choices(items, weights=weights)[0]注意：权重数组长度和 items 不匹配时，报 ValueError: The number of weights does not match the population，这个错误信息很直白，但容易在动态生成权重时疏忽。
