经典网站欣赏,软件定制官网,商城网站功能列表,外贸小家电网站推广前言 经典的掷骰子试验是我在学习概率中经常接触的例子#xff0c;这是利用了骰子在赌博游戏中的随机性#xff0c;方便我们理解概率的意义。 #今天#xff0c;我们用 Python 来做一个实验#xff0c;一次掷出两个骰子#xff0c;每次计算所得点数的和#xff0c;从而得…前言 经典的掷骰子试验是我在学习概率中经常接触的例子这是利用了骰子在赌博游戏中的随机性方便我们理解概率的意义。 #今天我们用 Python 来做一个实验一次掷出两个骰子每次计算所得点数的和从而得到这些和的概率。 思路 上边的问题符合经典概率模型我们可以通过组合数的方法进行计算先列出所有情况的组合即笛卡尔积然后计算他们的和再求出这不同和的频数和频率。另外还可以直接进行模拟试验生成试验数据然后相加最终得到实验样本值。 二、使用步骤 读入数据 代码如下示例 #先通过组合数计算得概率 import pandas as pd import numpy as nppd.__version__ # 1.2.1# 一次扔两个六面骰子, 和为多少的概率最大? 7 的可能性最大 midx (pd.MultiIndex.from_product(([1,2,3,4,5,6],[1,2,3,4,5,6]),names[a, b])) (pd.DataFrame(indexmidx).reset_index()#当数据不再是连续的索引时可以使用reset_index()重置索引。.assign(clambda d: d.eval(ab)).c.value_counts()#value-counts () 方法会返回该列每个项的计数。.plot.bar() )#我们可以看到值为 7 的最多有 6 个。接下来进行实验用 numpy 生成随机数据再进行计算。 rng np.random.default_rng()#随机数的产生需要先创建一个随机数生成器# 投掷1 万次 one rng.integers(1,7, size10000)#创建随机一维整数 two rng.integers(1,7, size10000)# 查看单次的频数频数几乎相同 pd.Series(one).hist() pd.Series(two).hist()# 相加7 频数最大 pd.Series(one two).hist() #最终得知一次投两个骰子和为 7 的概率最大。总结 以上就是今天要讲的内容本文仅仅简单介绍了pandas的使用而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。