程序设计方法学
实例13：体育竞技分析
问题分析：
- 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
体育竞技分析：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
自顶向下
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
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
代码
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 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 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 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()
理解自顶向下和自底向上
- 理解自顶向下的设计思维：分而治之
- 理解自底向上的执行思维：模块化集成
- 自顶向下是“系统”思维的简化
Python程序设计思维
计算思维与程序设计
计算思维
第三种人类思维特征
- 逻辑思维：推理和演绎，数学为代表，A -> B B -> C A -> C
- 实证思维：实验和验证，物理为代表，引力波<-实验
- 计算思维：设计和构造，计算机为代表，汉诺塔递归
抽象和自动化
- 计算思维：Computational 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思维方式
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力及海量数据
- 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实现的主要手段
编程是将计算思维变成现实的手段
计算生态与Python语言
开源思想深入演化和发展，形成了计算生态
计算生态以开源项目为组织形式，充分利用“共识原则”和“社会利他”组织人员，在竞争发展、相互依存和迅速更迭中完成信息技术的更新换代，形成了技术的自我演化路径。
没有顶层设计，以功能为单位，具备三个特点
- 竞争发展
- 相互依存
- 迅速更迭
- 库之间相互关联使用，依存发展，python库间广泛联系，逐级封装
- 社区庞大，新技术更迭迅速，AlphaGo深度学习算法采用python语言开源
计算生态的价值
**创新：跟随创新、集成创新、原始创新
- 加速科技类应用创新的重要支撑
- 发展科技产品商业价值的重要模式
- 国家科技体系安全和稳固的基础
计算生态的运用
刀耕火种 -> 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，利用计算生态为主要模式
- 编程的目标是快速解决问题
用户体验以及软件产品
用户体验
实现功能 -> 关注体验
- 用户体验指用户对产品建立的主观感受和认识
- 关心功能实现，更要关心用户体验，才能做出好产品
- 编程只是手段，不是目的，程序最终为人类服务
提高用户体验的方法
方法1：进度展示
- 如果程序需要计算时间，可能产生等待，请增加进度展示
- 如果程序有若干步骤，需要提示用户，请增加进度展示
- 如果程序可能存在大量次数的循环，请增加进度展示
方法2：异常处理 - 当获得用户输入，对合规性需要检查，需要异常处理
- 当读写文件时，对结果进行判断，需要异常处理
- 当进行输入输出时，对运算结果进行判断，需要异常处理
其他类方法 - 打印输出：特定位置，输出程序运行的过程信息
- 日志文件：对程序异常及用户使用进行定期记录
- 帮助信息：给用户多种方式提供帮助信息
基本的程序设计模式
从IPO开始
- 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
- 确定IPO：明确计算部分及功能边界
- 编写程序：将计算求解的设计变成现实
- 调试程序：确保程序按照正常逻辑能正确运行
模块化设计
-
通过函数或对象封装将程序划分为模块及模块间的表达
-
具体包括：主程序、子程序和子程序间的关系
-
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：两个部分之间交流很少，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、灵活可扩展
应用开发的四个步骤
从应用需求到软件产品
- 1.产品定义：对应用需求充分理解和明确定义，产品定义而不仅时功能定义，要考虑商业模式
- 2.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、体系架构
- 3.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
- 4.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
Python第三方库安装
看见更大的Python世界
Python社区：
https://pypi.org/
三种方法
- 方法1（主要方法）：使用pip命令
- 方法2：集成安装方法
- 方法3：文件安装方法
第三方库的pip安装方法
使用pip安装工具（命令行下执行）
第三方库的集成安装方法
第三方库的文件安装方法
模块：OS库的使用
os库基本介绍
os库提供通用的、基本的操作系统交互功能
- 路径操作：os.path子库，处理文件路径及信息
- 进程管理：启动系统中其他程序
- 环境参数：获得系统软硬件信息等环境参数
os库之路径操作
os.path子库以path为入口，用于操作和处理文件路径
os库之进程管理
os.system(command)
- 执行程序或命令command
- 在Windows系统中，返回值为cmd的调用返回信息
例如：
os库之环境参数
获取或者改变系统环境信息
实例14：第三方库安装脚本
“第三方库安装脚本”问题分析
第三方库自动安装脚本
- 需求：批量安装第三方库需要人工干预，能否自动安装？
- 自动执行pip逐一根据安装需求安装
“第三方库安装脚本”实例解析
#BachInstall.py
import os
libs = {"numpy","matplotlib","pillow","sklearn","requests",\
"jieba","beautifulsoup4","wheel","networkx","sympy",\
"pyinstaller","django","flask","werobot","pyqt5",\
"pandas","pyopengl","pypdf2","docopt","pygame"}
try:
for lib in libs:
os.system("pip install " + lib)
print("Succseeful")
except:
print("Failed")
“第三方库安装脚本”举一反三
自动化脚本+
- 编写各类自动化运行程序的脚本，调用已有程序
- 扩展应用：安装更多第三方库，增加配置文件
- 扩展异常检测：捕获更多异常类型，程序更稳定友好
1051
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
