random.choice相关问题：多实验循环下分球入箱模拟结果异常

你的代码出现异常的核心原因有两个：

• 未重置实验环境：bins列表在实验循环外初始化，所有实验共用同一组箱子，后续实验会在之前实验已有球的箱子里继续添加，导致数据累积，结果完全不符合独立实验的预期。
• 引用复用问题：bins_new.append(bins)添加的是bins的内存引用而非副本，最终bins_new里的所有元素都指向同一个bins对象，所有实验结果都会变成最后一次实验的状态。

另外还有两个可优化的细节：

• random.choices(bins[pack], k=1)返回的是长度为1的列表，直接取selected[0]比用min更高效（虽然k=1时结果一致，但逻辑更清晰）。
• 用np.ones创建球的列表完全没必要，你只需要控制分球次数，直接用循环次数即可，不需要实际存储球对象。

import random
import numpy as np

bins_balls = [10,20,30,40,50]
num_exp = 15

bins_new = []
for exp in range(num_exp):
    random.seed(exp + 1)
    # 每次实验重新初始化箱子，保证实验独立
    current_bins = []
    for count in bins_balls:
        # 创建对应数量的空箱子
        bin_list = [[] for _ in range(count)]
        current_bins.append(bin_list)
        
        # 分球：count个球，每个球随机选一个箱子放入
        for _ in range(count):
            selected = random.choices(bin_list, k=1)[0]
            selected.append(1)  # 用1代表球，无需存储numpy数组
    
    bins_new.append(current_bins)

• 将箱子初始化移到实验循环内部，每次实验都创建全新的空箱子，确保实验之间完全独立，不会互相干扰。
• 移除冗余的balls列表，直接用range(count)控制分球次数，简化代码逻辑。
• 调整selected的取值方式，直接取random.choices返回列表的第一个元素，逻辑更直观。
• bins_new.append(current_bins)添加的是每次实验独立创建的箱子列表，避免了引用复用导致的结果异常。

内容的提问来源于stack exchange，提问作者Farmanli