Bootstrap

python投掷骰子实验实验结论_博饼伤我心我,决定用Python对投骰子(色子)做数据分析...

pygal 是非常不错的 python

可视化包,它可以生成矢量图,从而在不同尺寸的屏幕上都可以获得良好的显示效果。具体安装使用请参考官方文档。今天小狼举个投骰子的栗子,看一下不同点数的概率分布情况。源码请移步小狼

GitHub 下的 roll_dice_pygal文件夹。

最常见的骰子是 6 个面的,点数分别从 1 至 6,

玩法上可以只投一个骰子,同时投两个骰子或者更多,在这里我们分别计算投一个,投两个和投三个的情况。

每次投掷骰子的点数可以用 random 中的 randint 来实现,然后写两个函数方便待会儿复用:roll_dice()

用来模拟每次投掷骰子的点数,frequencies() 用来计算每个点数的频率。

存储投掷结果(不放心的话可以 print 出来检查一下代码),计算每个点数的频率,把频率打印出来:

上面的列表返回的分别是骰子 1 - 6 的频率结果,例如投掷 100 次,点数为 1 的次数共计是 17

次。看上去没什么问题,是时候该 pygal 上场了!

我们导入了 pygal,然后决定用柱状图来显示结果。接下来我们顺便对即将显示的图表做一些优化,让它更易读:

我们得到了python培训:http://www.atguigu.com一个

.svg格式的图,可以用浏览器打开查看,该格式也可以用 Adobe Illustrator打开编辑。

你和朋友玩了 100 次,你朋友赌 6 赢了 20 次,你赌 5 赢了 13

次,乍看下去似乎不是等概率事件?其实是因为投掷的次数太少了!你再和他玩个一万次,一百万次看看:

现在我们同时投掷两个骰子,每次的结果等于两个骰子点数之和,稍稍修改一下计算频率的函数:

现在我们同时投掷三个骰子,每次的结果等于三个骰子点数之和,再稍稍修改一下计算频率的函数:

roll_results = [roll_results_1[i] roll_results_2[i]

roll_results_3[i] for i in range(times)]

总之,相信你赌 10 和 11 在多数情况下都是能够完胜你那个赌 1 和 18 的朋友的。不过,小赌怡情,大赌伤身哦!

;