Python学习之程序设计方法学以及体育竞技分析（十七）

Blessings_14

于 2023-05-13 16:48:02 发布

阅读量579

点赞数 1

文章标签： python 学习开发语言

本文链接：https://blog.csdn.net/m0_74421158/article/details/130657833

版权

Python程序设计思维

计算思维与程序设计

计算思维

第三种人类思维的特征

逻辑思维：推理和演绎，以数学为代表。如：A→B，B→C，则有A→C。
实证思维：实验和验证，物理为代表。如：物理学家提出引力波的概念，但需要大量实验来验证引力波的存在。
计算思维：设计和构造，计算机为代表。如：汉诺塔递归。

抽象和自动化

计算思维：Computation Thinking。
抽象问题的计算过程，利用计算机自动化求解。
计算思维是基于计算机的计算方式。

抽象问题的计算过程，利用计算机自动化求解

计算思维基于计算机强大的算例及海量数据
抽象计算过程，关注设计和构造，而非因果
以计算机程序设计为主要实现手段

编程是将计算思维变成现实的手段

在这里插入图片描述

天气预报：

原先，我们来靠实证思维和逻辑思维来猜后面的天气。

现在，计算机有MM5@超算模型，这个模型把地球化成好多方块，分成一格一格的，把天气模型按照以前的顺序往后面推。

量化思维：

以前，不用计算机的时候，分析股票涨跌，根据经验，往后判断涨跌。这是实证思维和逻辑思维。

现在，有计算机时，通过机器学习的方式，预测未来涨跌，利用计算机完成未来交易。

程序设计

示例一：求1+2+…+100的和

数学思维：高斯小时候这样弄：1+100=101，2+99=101，……这样的循环有50次，则有：首项加末项，然后乘项数除以二。

计算思维呢？用Python语言来做，此项代码可以写为：

s = 0
for i in range(1, 100):
    s += i

这是计算思维，是现代人的方法。

示例二：求圆周率的计算

数学思维：利用计算圆周率的公式在这里插入图片描述

计算思维：我们用正方形，中间画一个内切圆，用random()方式向整个正方形撒很多点，最后用点迹，大约计算出π的大小。在这里插入图片描述
示例三：汉诺塔问题

数学思维：利用推导公式 2^n - 1
计算思维：一个个放，不断尝试

count = 0
def hanoi(n, src, dst, mid):
      global count
      if n == 1:
         print("{}:{}->{}".format(1,src,dst))
         count += 1
      else:
         hanoi(n-1, src, mid, dst)
         print("{}:{}->{}".format(n,src,dst))
         count += 1
         hanoi(n-1, mid, dst, src)

>>> hanoi(3, "A", "C", "B")
>>> print(count)
1:A->C
2:A->B
1:C->B
3:A->C
1:B->A
2:B->C
1:A->C
7

计算生态与Python语言

计算生态的应用

刀耕火种变为站在巨人的肩膀上

编程的起点不是算法而是系统
编程如同搭积木，利用生态计算为主要模式
编程目标是快速解决问题

优质的计算生态学习网站

链接: https://python123.io/

用户体验与软件产品

用户体验是软件程序到软件产品的关键环节

软件程序 → 软件产品

程序设计模式

从IPO开始…

首先确定IPO，明确计算功能和功能边界；
然后编写程序，将计算求解的设计变成现实；
最后调试程序，确保程序按照正确逻辑能够正确运行。

I：Input 输入，程序的输入
P：Process 处理，程序的主要逻辑
O：Output 输出，程序的输出

基本的程序设计模式

模块化设计

通过函数封装或对象封装程序划分为模块间的表达

具体包括：主程序，子程序和子程序间关系

分而治之：一种分而治之、分层抽象、体系化的设计思想

紧耦合：两个部分之间交流很多，无法独立存在
松耦合：两个部分之间交流较少，可以独立存在
模块内部紧耦合，模块之间松耦合

配置化设计

引擎+配置：程序执行和配置分离，将可选参数配置化
将程序开发变成配置文件编写，扩展功能而不修改程序
关键在于接口设计，清晰明了、灵活性可靠

在这里插入图片描述

应用开发的四个步骤

从应用需求到软件产品

产品定义：对应用需求充分理解和明确定义

产品定义，而不仅是功能定义，要考虑商业模式
系统架构：以系统方式思考产品的技术实现

系统架构，关注数据流，模块化、体系结构
设计与实现：结合架构完成关键设计及系统实现

结合可扩展性、灵活性等进行设计优化
用户体验：从用户角度思考应用效果

用户至上，体验优先，以用户为中心

体育竞技分析

程序设计方法

自顶向下设计

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

自底向上设计

逐步组建复杂系统的有效测试方法

分单元测试，逐步组装
按找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

问题分析

失之毫厘，谬之千里

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

如何实现

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

抽象一种比赛规则

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

程序总体框架及步骤

步骤1：打印程序的介绍性信息式
步骤2：获得程序运行参数 (球员A、B的能力，进行了多少场比赛)
步骤3：利用球员A和B的能力值，模拟n局比赛
步骤4：输出球员A和B获胜比赛的场次及概率
每个步骤可定义一个函数依次为printInfo()、getInputs()、simNGames()、printSummary()

实例解析

from random import random
def printIntro():    #介绍程序
	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():    #获得用户输入
	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):    #最终输出结果
	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 gameOver(a,b):    #得满15分获胜，跳出循环
	return a==15 or b==15
 
def simOneGame(probA,probB):
	scoreA,scoreB=0,0
	serving="A"    #设定每场比赛总是球员A先发球
	while not gameOver(scoreA,scoreB):
		if serving=="A":
			if random()<probA:    #random()生成随机小数
				scoreA+=1
			else:
				serving="B"
		else:
			if random()<probB:
				scoreB+=1.
			else:
				serving="A"
	return scoreA,scoreB
 
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 main():
	printIntro()
	probA,probB,n=getInputs()
	winsA,winsB=simNGames(n,probA,probB)
	printSummary(winsA,winsB)
 
main()