第一种最笨方法：

import random
weight_data={'a': 10, 'b': 15, 'c': 50}

def random_weight(weight_data):
    all_data = []
    for v, w in weight_data.items():
        temp = []
        for i in range(w):
            temp.append(v)
        all_data.extend(temp)
        
    n = random.randint(0,len(all_data)-1)
    return all_data[n]

第二种：Python带权重随机数的简单实现

思路：

该方法是常用的带权重随机数生成方法，思路是先将权重值求和total，在0与权重和total之间获得一个随机数rd，遍历权重字典，累加其权重值weight_sum,当rd小于或等于weight_sum时，返回当前的权重key值，示例代码如下：

import random


weight_data={'a': 10, 'c': 50}

def random_weight(weight_data):
    _total = sum(weight_data.values())    # 权重求和
    _random = random.uniform(0, _total)   # 在0与权重和之前获取一个随机数 
    _curr_sum = 0
    _ret = None
    try:
        _keys = weight_data.iterkeys()    # 使用Python2.x中的iterkeys
    except AttributeError:
        _keys = weight_data.keys()        # 使用Python3.x中的keys
    for _k in _keys:
        _curr_sum += data[_k]             # 在遍历中，累加当前权重值
        if _random <= _curr_sum:          # 当随机数<=当前权重和时，返回权重key
            _ret = _k
            break
    return _ret

类似简写方法(只适用于分值在小于1)：

import random

weight_data={'a': 0.1, 'b': 0.15, 'c': 0.}

def random_weight(weight_data):
    rand_val = random.random()
    total = 0
    for k, v in dct.items():
        total += v        
        if rand_val <= total:
            return k

第三种：使用numpy（强烈建议使用）

import numpy as np

weight_data={'a': 10, 'c': 50}


random_key=np.random.choice(weight_data.keys(), 1, weight_data.values())[0]

第四种：如果不想使用numpy,

from random import random
from itertools import takewhile

weight_data={'a': 10, 'c': 50}

def accumulate(iterator):
    """返回元素的累积总和。.
    accumulate([1, 2, 3, 4, 5]) --> 1 3 6 10 15"""
    current = 0
    for value in iterator:
        current += value
        yield current

def weightedChoice(weights, objects):
    """从对象返回随机项，根据权重值大小
    (which must sum to 1)."""
    limit = random()
    return objects[sum(takewhile(bool, (value < limit for value in accumulate(weights))))]

第五种：仅仅支持python3.6以后版本：

import random

weight_data={'a': 10, 'c': 50}

random.choices(weight_data.keys(), weight_data.values*(, k=10)

参考文章:
https://blog.51cto.com/techvincent/1784327
https://stackoverflow.com/questions/3679694/a-weighted-version-of-random-choice