微信抢红包小技巧（python模拟100万次）

最新推荐文章于 2023-11-05 05:17:52 发布

Cheng_0829

最新推荐文章于 2023-11-05 05:17:52 发布

阅读量957

点赞数

本文链接：https://blog.csdn.net/Louise_Trender/article/details/107914400

版权

之前，在网上看到一篇文章，说多人抢红包时，微信红包金额的分配规则是0.01元到当前剩余金额平均数的2倍（最后一个人金额为当前剩下的所有金额），所以写了一个python程序，模拟量一百万次，分析了一下抢微信红包的小技巧。
（所有结论都基于某篇文章所说的微信红包金额的分配规则，如果实际规则不是这样，那么以下分析就都是错的）
假设金额50元，有5个人抢，那么计算可得：
第1个人抢，他的金额区间就是[0.01,20]（50除以5乘以2）
第2个人抢，他的金额区间就是[0.01,24.99]
第3个人抢，他的金额区间就是[0.01,33.32]
第4个人抢，他的金额区间就是[0.01,49.97]
第5个人抢，他的金额区间就是[0.01,49.96]
可以看到：越往后抢的，理论上能拿到的红包上限越高（虽然可能性很小，但理论上运气好还是能拿到的）
那是不是越往后拿的红包就普遍更大呢？？？
并不是！！！理论上限高，不代表平均值更大，通过100万次模拟数据统计加以分析，可以得到5人按先后顺序得到手气王的可能性分别为0.22, 0.2, 0.2, 0.19, 0.19,即在人数较少时，先抢后抢差异不大。，（但是当人数较多时，比如几十个人，则后抢手气最佳的可能性更大）
运行结果如下图：

***********************
第1个人
max:20.00 min:0.01
average:10.01
***********************
第2个人
max:24.99 min:0.01
average:10.00
***********************
第3个人
max:32.92 min:0.01
average:10.00
***********************
第4个人
max:47.88 min:0.01
average:10.00
***********************
第5个人
max:47.39 min:0.01
average:9.99
手气最佳概率分布: [0.22, 0.2, 0.2, 0.19, 0.19]

附上代码，大家可以自己运行一次试试。

from random import randint,random,uniform
import numpy as np 
people = 5#人数
times = 1000000#模拟次数
luck = []
for i in range(people):
    luck.append([])
for i in range(times):
    money = 50
    for j in range(people):
        if(j == people - 1):#最后一个人金额即为当前剩下的所有金额
            packet = round(money,2)
        elif(money > 0.01):
            if(money - money/(people-j)*2 < 0.01*(people-j-1)):
                packet = round(uniform(0.01,money/(people-j)*2 - 0.01*(people-j-1)),2)
                #不能提前抢光红包
            else:
                packet = round(uniform(0.01,money/(people-j)*2),2)
        else:
            packet = 0.01
        luck[j].append(packet)
        money = money - packet
#print(luck)
for i in range(people):
    print('***********************')
    print('第{}个人'.format(i+1))
    print('max:%.2f'%max(luck[i]),'min:%.2f'%min(luck[i]))
    #print('min:%.2f'%min(luck[i]))
    print('average:%.2f'%np.mean(luck[i]))

most_luck = [0]*people
matrix = np.array(luck).T
for i in range(times):
    a = list(matrix[i])
    position = a.index(max(a))
    most_luck[position] = most_luck[position] + 1
for i in range(people):
    most_luck[i] = round(most_luck[i]/times,2)
print(most_luck)