Python基于给定概率生成二元随机outcome的实现咨询

针对「攻击、无攻击两类事件、攻击发生概率25%」的具体场景，可选择以下几种成熟的实现方案：

方案1：基于random.random()的基础实现 #

random.random()会生成[0.0, 1.0)区间内服从均匀分布的浮点数，可直接和概率阈值做比较，逻辑直观易读：

• 当生成的随机值小于0.25时，返回「攻击」结果
• 其余情况返回「无攻击」结果
  代码示例：

import random

def generate_outcome():
    ATTACK_PROB = 0.25  # 攻击概率25%
    if random.random() < ATTACK_PROB:
        return "攻击"
    return "无攻击"

方案2：基于random.choices()的可扩展实现 #

该方法无需手动编写判断逻辑，直接传入选项与对应概率权重即可生成结果，后续需要新增更多事件类型时，只需要扩展选项和权重列表即可，适配性更强：
代码示例：

import random

def generate_outcome():
    outcome_pool = ["攻击", "无攻击"]
    prob_weights = [0.25, 0.75]  # 对应两个选项的发生概率
    return random.choices(outcome_pool, weights=prob_weights, k=1)[0]

方案3：基于NumPy的大规模高效实现 #

如果需要一次性生成大量随机结果、或是对随机数生成效率要求较高，可使用NumPy的随机模块实现，比纯内置random的生成性能更高：
代码示例：

import numpy as np

# 初始化随机数生成器
rng = np.random.default_rng()

def generate_outcome():
    return rng.choice(["攻击", "无攻击"], p=[0.25, 0.75])

注意事项 #

• 传入random.choices()和NumPy的choice()的概率参数总和需为1，若总和不为1，函数会自动按权重比例归一化，可能和预期的分布产生偏差
• 需要可复现的测试结果时，可在程序入口设置固定随机种子，比如random.seed(42)或rng = np.random.default_rng(seed=42)，即可保证每次运行生成的结果序列完全一致

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