python-plotly模拟掷骰子随机过程

虽然投掷骰子看起来是随机事件，但只要使用正确的算法进行模拟，实际上它可以被精确地预测和分析。在数学领域，人们常常使用概率论和统计学知识来解释各种随机事件的规律和特征。而在赌场等场合，骰子的投掷也是一种常见的随机事件，因此可以利用 Python 编写代码来模拟这些事件，并通过数据可视化的方式反映结果。

例如，可以编写一个模拟骰子投掷的程序，其中包含一个随机数生成器来模拟骰子的点数，并对多次重复投掷进行统计和可视化。通过这种方式，可以了解不同点数出现的概率、投掷次数与结果之间的关系，以及多次投掷后的结果分布等信息。

除了投掷骰子，类似的方法也可以应用于其他随机事件的模拟和分析，如卡牌游戏的洗牌和发牌、股票价格的波动、气象数据的预测等等。通过使用 Python 的数据分析和可视化工具，可以更好地理解随机事件的规律和特征，为实际应用提供有力支持。

投掷一个骰子

先单独创建一个文件die.py来存储第一个类，我们用它来产生随机数

from random import randint#引用随机模块
class Die:
    """一个骰子的数的类"""
    
    def __init__(self, num_sides=6):
        """一个骰子是六个面的，所以为6"""
        self.num_sides = num_sides
        
    def roll(self):
        """"随机在1到6间去一个数返回"""
        return randint(1, self.num_sides)

做好类后，我们再创建另一个文件，名字可以任意起。

from plotly.graph_objs import Bar, Layout
from plotly import offline

from die import Die

#首先要把骰子调动过来
die = Die()

# 用一个列表来存储数据
results = []
for roll_num in range(1000):
#循环产生1000个数==投掷1000
    result = die.roll()
    results.append(result)#把数据放入列表
    
# 分析结果
frequencies = []#空列表来存储点数出现的个数
for value in range(1, die.num_sides+1):
#遍历可能的点数，这里的点数是1-6
    frequency = results.count(value)
    frequencies.append(frequency)
    
# 对结果可视化
x_values = list(range(1, die.num_sides+1))
#这里要注意用list把函数range的结果转化成列表，因为plotly不能直接接受range的结果
data = [Bar(x=x_values, y=frequencies)]

x_axis_config = {'title': 'Result'}
y_axis_config = {'title': 'Frequency of Result'}
my_layout = Layout(title='Results of rolling one D6 1000 times',
        xaxis=x_axis_config, yaxis=y_axis_config)
#坐标轴是不固定的在用不同的方式配置，用类layout可以指定一个布局和配置对象
offline.plot({'data': data, 'layout': my_layout}, filename='jie_guo')
#调用一个offline.plot，这个需要一个数据和字典加文件名，文件名是保存的图像的文件名

运行程序会自动生成一个html文件，并在浏览器里面打开，这个就是我们模拟出来的结果图像

投掷两个骰子

如果同时投掷两个骰子，并且求他们点数总和又是怎么做呢？
我们只需要修改前面的代码就可以了

from plotly.graph_objs import Bar, Layout
from plotly import offline

from die import Die

# 这次我们创建两个骰子
die_1 = Die()
die_2 = Die()

# 把结果记录在列表中
results = []
for roll_num in range(1000):
    result = die_1.roll() + die_2.roll()
    results.append(result)
    
# 分析结果
frequencies = []
max_result = die_1.num_sides + die_2.num_sides
#这里求两个骰子的总和
for value in range(2, max_result+1):
    frequency = results.count(value)
    frequencies.append(frequency)
    
# 数据可视化
x_values = list(range(2, max_result+1))
data = [Bar(x=x_values, y=frequencies)]

x_axis_config = {'title': 'Result', 'dtick': 1}
y_axis_config = {'title': 'Frequency of Result'}
my_layout = Layout(title='Results of rolling two D6 dice 1000 times',
        xaxis=x_axis_config, yaxis=y_axis_config)
offline.plot({'data': data, 'layout': my_layout}, filename='d6_d6.html')

最后模拟出来的结果是这样子的

同时投掷两个不同面的骰子

不如说我们投掷的骰子有一个是6面的。有一个是10面的，把它投掷到一定基数，结果会怎么样？我们还是基于上面的代码来看看

from plotly.graph_objs import Bar, Layout
from plotly import offline

from die import Die

#这里要特别注意下，因为是10个面了，我们输入的函数第二个就是10了
die_1 = Die()
die_2 = Die(10)

results = []
for roll_num in range(50_000):
    result = die_1.roll() + die_2.roll()
    results.append(result)
    

frequencies = []
max_result = die_1.num_sides + die_2.num_sides
for value in range(2, max_result+1):
    frequency = results.count(value)
    frequencies.append(frequency)
    
# 数据可视化
x_values = list(range(2, max_result+1))
data = [Bar(x=x_values, y=frequencies)]

x_axis_config = {'title': 'Result', 'dtick': 1}
y_axis_config = {'title': 'Frequency of Result'}
my_layout = Layout(title='Results of rolling a D6 and a D10 50000 times',
        xaxis=x_axis_config, yaxis=y_axis_config)
offline.plot({'data': data, 'layout': my_layout}, filename='d6_d10.html')

最后模拟出来的结果是这样子的

参考文献
python编程从入门到实践–埃里克.马瑟斯