实例:体育竞技分析
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
解决复杂问题的有效方法:
(自定向下设计)将一个总问题表达为若干个小问题组成的形式,使用同样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。分而治之
(自顶向上执行)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 模块化集成
自顶向下是“系统”思维的简化
#MatchAnalysis.py
#比赛规则,双人击球比赛,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
from random import random
def printIntro():
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 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 gameOver(a,b):
return a==15 or b==15
def simOneGame(probA, probB):
scoreA, scoreB = 0, 0
serving = "A"
while not gameOver(scoreA, scoreB):
if serving == "A":
if random() < probA:
scoreA += 1
else:
serving="B"
else:
if random() < probB:
scoreB += 1
else:
serving="A"
return scoreA, scoreB
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 main():
printIntro()
probA, probB, n = getInputs()
winsA, winsB = simNGames(n, probA, probB)
printSummary(winsA, winsB)
main()
将问题分为各个小问题
计算思维与程序设计:
- 逻辑思维:推理与演绎,数学为代表,A-->B B--->C A--->C
- 实证思维:实验与验证,物理为代表 引力波<-实验
- 计算思维:设计与构造,计算机为代表,汉诺塔递归
- 计算思维:Computional Thinking 抽象问题的计算过程,利用计算机自动化求解,计算机思维是基于计算机的思维方式
- 计算生态:竞争发展,相互依存,快速更迭
- 用户体验:进度展示,异常处理
- IPO,自顶向下,模块化,配置化,应用开发的四个步骤