如何实现数组随机取数且数值越大被选中概率越高

这个需求本质是加权随机抽样，直接把元素本身的数值作为对应权重，就能实现「数值越大被抽中概率越高」的规则，核心逻辑非常简单，性能也足够应对绝大多数场景。

实现步骤 #

• 计算数组所有元素的数值总和，作为总权重池
• 生成一个落在[0, 总权重)区间内的随机浮点数
• 按顺序遍历数组，每遍历一个元素就用随机数减去当前元素的数值，当随机数减到小于等于0时，当前遍历到的元素就是最终选中的结果

可运行代码示例（Python） #

import random

def pick_by_weight(num_arr):
    total = sum(num_arr)
    rand_val = random.uniform(0, total)
    for num in num_arr:
        rand_val -= num
        if rand_val <= 0:
            return num

# 用给出的示例数组做概率验证
if __name__ == "__main__":
    test_arr = [1.0231, 1.1233, 2.1322, 2.321]
    pick_count = {n:0 for n in test_arr}
    # 模拟抽取100000次统计概率
    for _ in range(100000):
        res = pick_by_weight(test_arr)
        pick_count[res] += 1
    
    for n, cnt in pick_count.items():
        print(f"数值 {n} 实际选中概率：{cnt/100000:.1%}")

直接运行上面的代码，会得到和权重比例完全匹配的概率结果：原始权重下2.321的选中概率约35%、2.1322约32%，剩余两个小数值的元素分摊剩下的概率。如果需要严格匹配提到的「2.321约40%、2.1322约35%」的预期，不需要修改核心抽取逻辑，只需要给对应元素乘上对应的权重调整系数，重新计算总权重即可。

性能优化提示 #

如果数组长度非常大（超过10万元素），每次遍历的O(n)开销会变高，可以提前计算好数组的前缀和数组，之后每次生成随机数后用二分查找定位命中的元素，把单次抽取的时间复杂度降到O(logn)。

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