python怎么实现商业街抽奖

这篇文章主要介绍“python怎么实现商业街抽奖”，在日常操作中，相信很多人在python怎么实现商业街抽奖问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”python怎么实现商业街抽奖”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

• 模拟实验与分析

对于出现的问题，首先通过python进行模拟实验，看看一百次抽奖中会出现多少次一等奖。

import pandas as pd 

from collections import Counter

choujiang = pd.Series(["未中奖","一等奖"])

cnt = Counter(choujiang.sample(n=100,replace=True,weights=([99,1])))

cnt

sample为pandas中函数，功能为随机抽样；

replace＝True表示有放回的抽样；

weights表示取值权重；

Counter为collections中函数，功能为计算array中不同值的取值个数。

运行三次，结果分别为：

Counter({'一等奖': 1, '未中奖': 99})

 

Counter({'未中奖': 100})

 

Counter({'一等奖': 2, '未中奖': 98})

结论，中奖概率为1%，不代表抽100次必然出现1次一等奖。

上例为模拟了100次1%中奖率的电子抽奖，把这个模拟重复7次，即为1周内的抽奖情况模拟。用电脑模拟1000周的抽奖结果，就可以统计1000周里，出现5次一等奖的周数。

import numpy as np

#模拟1000周的抽奖情况

a = np.zeros(1000)

for i in range(1000):

    for j in range(7):

        a[i] = np.sum(choujiang.sample(n=100,replace=True,weights=([99,1]))=="一等奖")+a[i]

#画出直方图

import pylab

pylab.hist(a, bins=18, normed=0,edgecolor='black',facecolor='blue',alpha=0.75) 

pylab.show()  

np.transpose(Counter(a))

模拟1000周的抽奖情况，并计算抽中一等奖的次数，画出直方图。图中，横轴表示出现一等奖的次数，纵轴表示周数。

array(Counter({7.0: 151, 6.0: 140, 8.0: 138, 5.0: 130, 9.0: 96, 4.0: 91, 10.0: 81, 3.0: 53, 11.0: 37, 12.0: 26, 2.0: 23, 13.0: 13, 14.0: 7, 1.0: 7, 15.0: 3, 0.0: 3, 18.0: 1}), dtype=object)

上面结果为图中的频率分布情况，可以看出，一周内出现5次一等奖的一共有130周，130除以1000，为13%，即出现5次一等奖的周数占整体的13%。如果出现5次算有诈，那出现小于5次的也为有诈，则占总体的30%，概率过大，因此，不能单凭1周内只开出5次一等奖认为抽奖有诈。

• 几个小概念

概率：对于例子中对抽奖而言，中奖概率为1%，但是抽700次不一定出现7次大奖。

频率分布表：统计与某个数值一致的数据的个数，或者属于某数值范围内的数据的个数，然后将这些统计值制成一览表。

直方图：图形化的频率分布表。

数据的分布：如果将数据划分为若干个范围，那么数据在各个范围内的散布情况就成为分布。就大部分数据而言，平均值所在的范围频率最高，与平均值相差越大的范围频率越低。

到此，关于“python怎么实现商业街抽奖”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！