还有一种方法是利用random中的choice函数，random.choice的功能是从序列中获取一个随机元素，编程思想是将要随机输出的元素按不同个数添加到一个列表中，然后利用random.choice，从中随机选取一个。
=====================================================
代码如：
def randomchice(a,b,c,d,fa,fb,fc,fd):
import random
tl=[]
for i in range(0,fa):tl.append(a)
for i in range(0,fb):tl.append(b)
for i in range(0,fc):tl.append(c)
for i in range(0,fd):tl.append(d)
return random.choice(tl)
使用时只需输入如：
print randomchice('zhangsan','lisi','wangwu','zhouqi',50,20,25,5,)
=====================================================
python所追求的不是速度效率而是代码效率，用python写的代码够简洁清晰就行，如果要求速度的话，那可以嵌入c语言，那样效率比python高至少100倍。
希望对你有所帮助。
1、Python数据分析流程及学习路径
数据分析的流程概括起来主要是：读写、处理计算、分析建模和可视化四个部分。在不同的步骤中会用到不同的Python工具。每一步的主题也包含众多内容。
根据每个部分需要用到的工具，Python数据分析的学习路径如下：
相关推荐：《Python入门教程》
2、利用Python读写数据
Python读写数据，主要包括以下内容：
我们以一小段代码来看：
可见，仅需简短的两三行代码即可实现Python读入EXCEL文件。
3、利用Python处理和计算数据
在第一步和第二步，我们主要使用的是Python的工具库NumPy和pandas。其中，NumPy主要用于矢量化的科学计算，pandas主要用于表型数据处理。
4、利用Python分析建模
在分析和建模方面，主要包括Statsmdels和Scikit-learn两个库。
Statsmodels允许用户浏览数据，估计统计模型和执行统计测试。可以为不同类型的数据和每个估算器提供广泛的描述性统计，统计测试，绘图函数和结果统计列表。
Scikit-leran则是著名的机器学习库，可以迅速使用各类机器学习算法。
5、利用Python数据可视化
数据可视化是数据工作中的一项重要内容，它可以辅助分析也可以展示结果。
