python中random.sample()方法可以隨機地從指定列表中提取出N個不同的元素，但在實踐中發現，當N的值比較大的時候，該方法執行速度很慢，如：
numpy random模塊中的choice方法可以有效提升隨機提取的效率：
需要注意的是，需要置replace為False，即抽取的元素不能重複，默認為True。
補充知識：Python: random模塊的隨即取樣函數：choice()，choices()，sample()
choice(seq): 從seq序列中（可以是列表，元組，字符串）隨機取一個元素返回
choices(population, weights=None, *, cum_weights=None, k=1)：
從population中進行K次隨機選取，每次選取一個元素（注意會出現同一個元素多次被選中的情況），weights是相對權重值，population中有幾個元素就要有相對應的weights值，cum_weights是累加權重值，例如，相對權重〔10, 5, 30，5〕相當於累積權重〔10, 15, 45，50〕。
在內部，在進行選擇之前，相對權重被轉換為累積權重，因此提供累積權重節省了工作。返回一個列表。
sample(population, k)從population中取樣，一次取k個，返回一個k長的列表。
可以像這樣使用sample(range(10000000), k=60)
[qp18502452 ] 基於Python中random.sample()的替代方案已經有229次圍觀
