python数据分析--------婚恋配对 为例 蒙特卡罗思想1

大数据行业十分火热，本人认为python是比较强大的分析工具，在网易云课堂上学习了python数据分析。做了案例，写下代码分析过程以及分析结论。
以下是婚恋配对的python数据分析项目。
该项目有三大策略：
1，男才女貌 2，门当户对 3，志趣相投，适度引领

# -*- coding: utf-8 -*-
"""
Created on Thu Dec 13 19:07:45 2018

@author: Administrator
"""
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")

from bokeh.plotting import figure,show,output_file
from bokeh.models import ColumnDataSource,HoverTool
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号



data_norm=pd.DataFrame({"正态分布":np.random.normal(loc=60,scale=15,size=1000)})
data_exp=pd.DataFrame({"指数分布":np.random.exponential(scale=15,size=1000)+45})

fig,axes=plt.subplots(1,2,figsize=(12,4))
data_norm.hist(bins=50,ax=axes[0])#外貌和性格分布图
data_exp.hist(bins=50,ax=axes[1])#财富分布图
#''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
def create_sample(n,gender):
    sample_data=pd.DataFrame({
            "fortune":np.random.exponential(scale=15,size=n)+45,
            "apperence":np.random.normal(loc=60,scale=15,size=n),
            "character":np.random.normal(loc=60,scale=15,size=n)},
             index=[gender+str(i) for i in range(1,n+1)])

    sample_data.index.name="id"
    sample_data["score"]=sample_data.sum(axis=1)/3#求综合分数
    return sample_data


sample_m= create_sample(10000,'m')
sample_f=create_sample(10000,'f')


fig,axes=plt.subplots(2,1,figsize=(12,8))
sample_m[["fortune","apperence","character"]].iloc[:30].plot(
        kind="bar",colormap="Blues_r",stacked=True,grid=True,ax=axes[0]
        )
#绘出男性三大特征的分布情况
sample_f[["fortune","apperence","character"]].iloc[:30].plot(
        kind="bar",colormap="Reds_r",stacked=True,grid=True,ax=axes[1]
        )
#绘出女性三大特征的分布情况

#''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
#第一轮模拟
sample_m_test=create_sample(99,"m")
sample_f_test=create_sample(99,"f")
#创建男女样本
sample_m_test["strategy"]=np.random.choice([1,2,3],99)#随机选策略

#建立空数据集
match_success=pd.DataFrame(columns=["m","f","round_n","strategy"])

round1_m=sample_m_test.copy()
round1_f=sample_f_test.copy()#源数据不能被破坏
round1_m["chioce"]=np.random.choice(round1_f.index,len(round1_m))#男性选女性

round1_match=pd.merge(round1_m,round1_f,left_on="chioce",right_index=True).reset_index()
#配对但没成功
round1_match["score_dis"]=np.abs(round1_match["score_x"]-round1_match["score_y"])
round1_match["cha_dis"]=np.abs(round1_match["ch