Python按概率随机选择实现优化问询：p选列表元素，1-p选固定值

我需要在Python中实现如下逻辑：以概率p从列表l中随机选取一个元素，以概率1-p选取固定值w。目前已有可行的实现，但希望找到更简洁的写法。当前示例是50%概率的情况，需要适配任意两位小数的概率p，现有代码如下：

l = [1,2,3,4,5,6]

p = 0.5 # this is my probability p
r = 100*p # this transforms my probability p to an integer
q = 100*(1-p) # this transforms my probability (1-p) to an integer

v = random.choice(l) # a randomly chosen variable from a list l
w = 2 # a fixed variable

listt = []
listt.extend([v]*int(r)) # this adds a randomly chosen v to the list r times
listt.extend([w]*int(q)) # this adds w to the list q times

# I now have a list which has r elements v and q elements w

random.choice(listt)

方案一：直接使用random.random()判断（通用简洁） #

这种方法无需构造额外列表，直接通过生成0-1的随机浮点数与概率p比较，逻辑清晰且效率高，适配任意精度的p：

import random

l = [1,2,3,4,5,6]
p = 0.5
w = 2

# 核心逻辑一行搞定
result = random.choice(l) if random.random() < p else w

方案二：基于整数随机数避免浮点数精度问题（适配两位小数场景） #

如果担心浮点数精度误差（比如0.1这类无法用二进制精确表示的小数），可以用1-100的整数随机数来匹配两位小数的概率：

import random

l = [1,2,3,4,5,6]
p = 0.5
w = 2

# 用1-100的整数判断，完全对应两位小数的概率
result = random.choice(l) if random.randint(1, 100) <= p * 100 else w

原代码的冗余点说明 #

原代码通过构造包含重复元素的列表模拟概率，会额外占用内存（比如p=0.01时，列表需要生成99个w），且步骤繁琐。上面的两种方案直接通过随机数判断完成选择，既节省内存又简化了代码逻辑。

内容的提问来源于stack exchange，提问作者Q.Ask