为何random.choice选择结果严重失衡？技术咨询

这个问题的核心是你不小心修改了实例的持久化属性self.l，而且在每次调用get()方法时反复添加e和f，导致它们在候选列表中的占比越来越高，最终几乎垄断了随机选择结果。

问题根源拆解 #

我们一步步看代码的执行逻辑：

1. 初始化a = A("+abcd")后，self.l被设置为["a", "b", "c", "d"]，这一步是正常的。
2. 重点看get()方法的实现：

   def get(self, l):
       rt = self.l
       if self.include:
           rt += l
       return choice(rt)
   

   • rt = self.l这行是引用赋值，不是创建新列表。也就是说rt和self.l指向内存中的同一个列表对象。
   • 当执行rt += l时，因为列表是可变对象，这个操作会直接修改原列表（也就是self.l），而不是创建新的列表。

所以第一次调用a.get(["e","f"])后，self.l变成了["a","b","c","d","e","f"]；第二次调用时，又往里面追加了["e","f"]，变成["a","b","c","d","e","f","e","f"]；循环10万次后，self.l里e和f的数量已经达到几十万级，而a/b/c/d始终只有各1个，随机选中它们的概率自然微乎其微。

修复方案 #

只需要在get()方法中创建self.l的副本，避免修改原属性即可。修改后的get()方法如下：

def get(self, l):
    rt = list(self.l)  # 或者用 self.l.copy()，创建原列表的独立副本
    if self.include:
        rt += l
    return choice(rt)

这样每次rt都是一个全新的列表，修改它不会影响self.l，每次随机选择的候选列表都是固定的["a","b","c","d","e","f"]，10万次循环后，各个元素的分布就会接近你预期的均匀状态。

补充提示 #

这是Python中可变对象（列表、字典、集合等）的常见陷阱：赋值操作传递的是对象引用而非副本，修改赋值后的变量会直接影响原对象。如果需要操作对象的副本，一定要显式创建（比如list(obj)、obj.copy()等方式）。

内容的提问来源于stack exchange，提问作者GT 77