如何为数字列表/数组的随机结果设置不同概率占比？

你需要为数字1、2、3分别设置4%、93%、3%的出现概率，替代原代码中等概率的随机选择，以下是两种可行方案：

方案一：使用random.choices()（推荐，Python 3.6+） #

Python的random.choices()方法原生支持带权重的随机选择，直接传入元素列表和对应的权重即可：

import random

# 定义待选数字和对应权重（数值对应概率占比，总和为100时刚好匹配百分比）
target_numbers = [1, 2, 3]
prob_weights = [4, 93, 3]

# 执行带权重的随机选择，k=1表示选1个结果
selected_num = random.choices(target_numbers, weights=prob_weights, k=1)[0]
print(selected_num)

说明：权重参数weights可以是整数（如示例中的4、93、3），也可以是小数（如0.04、0.93、0.03），只要比例正确即可，方法会自动处理概率计算。

方案二：手动区间判断法 #

如果需要理解底层逻辑，或者兼容更早的Python版本，可以通过生成随机数并判断区间的方式实现：

import random

# 生成0-99的随机整数（共100个可能值，对应百分比的1%粒度）
random_value = random.randint(0, 99)

if random_value < 4:
    print(1)  # 0-3，共4个值，对应4%概率
elif random_value < 4 + 93:
    print(2)  # 4-96，共93个值，对应93%概率
else:
    print(3)  # 97-99，共3个值，对应3%概率

说明：这种方法的核心是把概率转化为连续的数值区间，随机数落在哪个区间就选择对应的数字，适合自定义复杂的概率规则。

内容的提问来源于stack exchange，提问作者user20322881