034—pandas 试验一次扔两个骰子和为多少的概率最大

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):

python 复制代码
#先通过组合数计算得概率:
import pandas as pd
import numpy as np

pd.__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(index=midx)
    .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(c=lambda d: d.eval('a+b'))
    .c
    .value_counts()#value-counts () 方法会返回该列每个项的计数。
    .plot
    .bar()
)
python 复制代码
#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, size=10000)#创建随机一维整数
two = rng.integers(1,7, size=10000)

# 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。

相关推荐
dlraba80214 小时前
Pandas:机器学习数据处理的核心利器
人工智能·机器学习·pandas
猫头虎2 天前
如何查看局域网内IP冲突问题?如何查看局域网IP环绕问题?arp -a命令如何使用?
网络·python·网络协议·tcp/ip·开源·pandas·pip
peter67683 天前
pandas学习小结
学习·pandas
猫头虎3 天前
如何解决 pip install -r requirements.txt extras 语法 ‘package[extra’ 缺少 ‘]’ 解析失败问题
开发语言·python·开源·beautifulsoup·virtualenv·pandas·pip
MoRanzhi12034 天前
15. Pandas 综合实战案例(零售数据分析)
数据结构·python·数据挖掘·数据分析·pandas·matplotlib·零售
eqwaak05 天前
数据预处理与可视化流水线:Pandas Profiling + Altair 实战指南
开发语言·python·信息可视化·数据挖掘·数据分析·pandas
Love__Tay5 天前
【数据分析与可视化】2025年一季度金融业主要行业资产、负债、权益结构与增速对比
金融·excel·pandas·matplotlib
万粉变现经纪人5 天前
如何解决 pip install -r requirements.txt 约束文件 constraints.txt 仅允许固定版本(未锁定报错)问题
开发语言·python·r语言·django·beautifulsoup·pandas·pip
万粉变现经纪人5 天前
如何解决 pip install -r requirements.txt 无效可编辑项 ‘e .‘(-e 拼写错误)问题
开发语言·python·r语言·beautifulsoup·pandas·pip·scipy
MoRanzhi12036 天前
12. Pandas 数据合并与拼接(concat 与 merge)
数据库·人工智能·python·数学建模·矩阵·数据分析·pandas