目录
问题分析
体育竞技分析
- 需求：毫厘是多少？如何科学分析体育竞技比赛？
- 输入：球员的水平
- 输出：可预测的比赛成绩
模拟N场比赛
- 计算思维：抽象 + 自动化
- 模拟：抽象比赛过程 + 自动化执行N场比赛
- 当N越大时，比赛结果分析会越科学
比赛规则
- 双人击球比赛：A & B，回合制，5局3胜
- 开始时一方先发球，直至判分，接下来胜者发球
- 球员只能在发球局得分，15分胜一局 （为什么？ 发球的时候随机能力值大小来判定是否得分）
自顶向下和自底向上
自顶向下
- 解决复杂问题的有效方法
- 将一个总问题表达为若干个小问题组成的形式
- 使用同样的方法进一步分解小问题
- 直至，小问题可以用计算机简单明了的解决
自底向上
- 分单元测试，逐步组装
- 按照自顶向下相反的路径操作
- 直至，系统各部分以组装的思路都经过测试和验证
体育竞技分析总体框架及步骤
- 步骤1： 打印程序的介绍性信息 printInfo()
- 步骤2： 获得程序运行参数：probA,probB,n getInputs()
- 步骤3：利用球员A和B的能力值，模拟n局比赛 simNGames()
- 步骤4：输出球员A和B获胜比赛的场次机概率 printSummary()
#体育竞技分析
import random
def printInfo():
print("这个程序模拟两个选手A和B的某种竞技比赛");
print("程序运行需要A和B的能力值(以0到1之间的小数表示)");
def getInputs():
a = eval(input("请输入选手A的能力值（0-1）："));
b = eval(input("请输入选手B的能力值（0-1）："));
n = eval(input("模拟比赛的场次："));
return a, b, n;
def printSummary(winsA, winsB):
n = winsA + winsB;
print("竞技分析开始，共模拟{}场比赛".format(n));
print("选手A获胜{}场比赛，占比{:0.1%}".format(winsA, winsA/n));
print("选手B获胜{}场比赛，占比{:0.1%}".format(winsB, winsB/n));
def simNGames(n, probA, probB):
winsA, winsB = 0, 0;
for i in range(n):
scoreA, scoreB = simOneGame(probA, probB);
if scoreA > scoreB:
winsA += 1;
else:
winsB += 1;
return winsA, winsB;
def simOneGame(probA, probB):
scoreA, scoreB = 0, 0;
serving = "A"; #A先发球
while not gameOver(scoreA, scoreB): #not False 等于 True
if serving == "A":
if random.random() < probA:
scoreA += 1;
else:
serving = "B";
else:
if random.random() < probB:
scoreB += 1;
else:
serving = "A";
return scoreA, scoreB;
#返回bool值
def gameOver(a, b):
return a == 15 or b == 15;
def main():
printInfo();
probA, probB, n = getInputs();
winsA, winsB = simNGames(n, probA, probB);
printSummary(winsA, winsB);
main();
#运行结果
这个程序模拟两个选手A和B的某种竞技比赛
程序运行需要A和B的能力值(以0到1之间的小数表示)
请输入选手A的能力值（0-1）：0.45
请输入选手B的能力值（0-1）：0.50
模拟比赛的场次：1000
竞技分析开始，共模拟1000场比赛
选手A获胜376场比赛，占比37.6%
选手B获胜624场比赛，占比62.4%举一反三
理解自顶向下和自底向上
- 理解自顶向下的设计思维：分而治之
- 理解自底向上的执行思维：模块化集成
- 自顶向下是“系统”思维的简化
应用问题的扩展
- 扩展比赛参数，增加对更多能力对比情况的判断
- 扩展比赛设计，增加对真实比赛结果的预测
- 扩展分析逻辑，反向推理，用胜率推算能力
本文仅为学习Python记录，资料来源于中国大学MOOC《Python语言设计》—嵩天