年会抽奖如何用 Python让自己变成天选之子

开发 后端
Python 的包导入机制决定了,在每个运行时内部,每个包只有第一次导入的时候有效,所以只要还在当前运行时,那么后续的所有import random都是无效的。

 [[379621]]

请大家猜一猜下面这段代码的运行效果:

  1. import random 
  2. import time 
  3.  
  4. people = ['kingname''王小一''李小二''张小三''刘小四''卢小五''马小六''周小七''丁小八''朱小九'
  5. for i in range(1, 11): 
  6.     lucky_guy = random.choice(people) 
  7.     print(f'第{i}次抽奖,中奖用户:{lucky_guy}'
  8.     time.sleep(1) 

你是不是以为这段代码运行以后,结果如下图所示?

但实际上,我可以让输出结果根据我的意愿随意变动,例如像下面这个 gif ,所有输出结果都是我:

你可以先不要往下看,放下手机,自己写一下代码,试一试 如何才能实现 gif 中的效果。

下面来为大家解密。

要实现这个效果,只需要两个知识点:

  1. Python自带模块是可以被覆盖的
  2. Python 的 import 在同一个运行时只会导入一次

首先来看第一个知识点。Python 的自带模块是可以被覆盖的,所以我们先来定义一个函数:

  1. def choice(option): 
  2.     return 'kingname' 

接下来,使用这个函数覆盖random.choice:

  1. import random 
  2. random.choice = choice 

现在,无论给random.choice传入什么参数,它始终都会返回kingname,运行效果如下图所示:

这个时候,你可能会说,那别人写代码的时候,又重新import random怎么办呢?random.choice不是又被改回去了吗?

实际上并不会,因为Python 的包导入机制决定了,在每个运行时内部,每个包只有第一次导入的时候有效,所以只要还在当前运行时,那么后续的所有import random都是无效的。

所以,即使重新导入了 random 模块,random.choice依然是你修改以后的代码。所以当你再次执行的时候,会发现返回的还是你想要的数据,如下图所示:

可能有人会说这样容易被识破啊,别人只要先随便写一些测试数据,运行一次random.choice([123, 456]),发现返回的竟然是kingname,这不就露馅了吗?

实际上完全不用担心,我们可以这样操作:

如果备选列表里面不包含kingname,那么就使用原生的 random.choice

如果备选列表里面包含kingname,那么就以60%的概率返回kingname

要实现这样的功能,我们可以这样写代码:

首先重启当前 Jupyter 内核,让 random 恢复成默认的,然后编码:

  1. import random 
  2.  
  3. origin_choice = random.choice 
  4.  
  5. def choice(option): 
  6.     if 'kingname' not in option or random.randint(1, 10) > 6: 
  7.         return origin_choice(option
  8.     return 'kingname' 
  9.  
  10. random.choice = choice 

这样替换以后,当有kingname在备选列表中时,kingname被有60%的概率被选中,如下图所示:

当kingname不在备选列表中时,一切正常,如下图所示:

本文转载自微信公众号「未闻Code」,可以通过以下二维码关注。转载本文请联系未闻Code公众号。

 

责任编辑:武晓燕 来源: 未闻Code
相关推荐

2017-12-05 10:40:33

Python子域名

2017-01-15 14:47:07

2023-12-30 13:33:36

Python解析器JSON

2018-03-26 13:03:07

专业IT培训

2013-11-08 09:28:01

网络故障排除网络故障

2021-02-01 11:22:23

Windows 10Windows微软

2009-04-15 09:12:35

营销专家孙路弘裁员

2016-04-22 17:30:50

软件加密软件授权

2023-02-08 07:09:40

PythonChatGPT语言模型

2020-07-10 09:49:53

数据清理数据分析查找异常

2018-03-27 18:12:12

PythonHTML

2017-05-26 10:57:00

CIO数据挖掘大数据

2021-01-12 10:10:41

shell脚本Linux命令

2021-01-08 08:06:19

脚本Shell文件

2019-01-18 20:51:12

码农大奖新浪

2020-07-30 08:20:03

5G机器学习网络

2011-08-31 17:04:26

2020-05-09 10:38:31

Python透视表数据

2019-11-28 09:23:17

Python机器学习数据库

2018-05-17 10:05:24

运行iPadPython
点赞
收藏

51CTO技术栈公众号