实例13，体育竞技分析
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
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
一，自顶向下和自底向上
1，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3 F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
2，自顶向上（执行）
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
二，程序总体框架及步骤
-步骤1:打印程序的介绍性信息
-步骤2:获得程序运行参数: proA, proB, n
-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
def printIntro(): print("这个程序模拟两个选手A和B的某种竞技比赛") print("程序运行还需要A和B能力值（以0~1之间的小数表示）") def getInputs(): a = eval(input("请输入选手A的能力值: ")) b = eval(input("请输入选手B的能力值: ")) n = eval(input("模拟比赛的场次: ")) return a,b,n def printSummary(winA,winB): n = winA + winB 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(winA,winA/n)) print("选手b获胜{}场比赛，占比{:0.1%}".format(winB,winB/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): winA,winB = 0,0 for i in range(n): scoreA,scoreB = simOneGame(probA,probB) if scoreA>scoreB: winA += 1 else: winB += 1 return winA,winB def main(): printIntro() probA,probB,n = getInputs() winA,winB = simNGames(n,probA,probB) printSummary(winA,winB) 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
一，计算思维与程序设计
1，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
1）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
蒙特卡罗方法：：
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
基本的程序设计模式
一，IPO模式
- 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:确保程序按照正确逻辑能够正确运行
二，自顶向下设计
三，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
四，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
该如何学习深入学习编程？
- 新时代学习方式:明确学习目标+在线课程+教材或教程
- 若以编程为职业:要学出深度
- 若以编程为能力:要学的宽度
- 若以编程为素质:任选一门编程语言，多看几遍教程，多看经典书籍
Python第三方库安装
一，看见更大的Python世界
Python社区：
- PyPI: Python Package Index
- PSF维护的展示全球Python计算生态的主站
- 学会检索并利用PyPI,找到合适的第三方库开发程序
二，安装Python第三方库
- 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
1，使用pip命令：
D:\>pip install <第三方库名>
- 安装指定的第三方库
D:\>pip install -U <第三方库名>
- 使用-U标签更新已安装的指定第3方库
D:\>pip uninstall <第三方库名>
- 卸载指定的第三方库
D: \>pip download <第三方库名>
-下载但不安装指定的第三方库
D:\>pip show <第三方库名>
- 列出某个指定第3三方库的详细信息
D:\>pip search <关键词>
- 根据关键词在名称和介绍中搜索第3三方库
例子：
pip search blockchain
D: \>pip list
- 列出当前系统已经安装的第三方库
主要方法，适合99%以上情况
- 适合Windows、Mac和Linux等操作系统
- 未来获取第三方库的方式，目前的主要方式
- 适合99%以上情况，需要联网安装
2，集成安装方法：
集成安装:结合特定Python开发] [具的批量安装
Anaconda
https:/ /www.continuum.io
- 支持近800个第三方库
- 包含多个主流工具
- 适合数据计算领域开发
3，文件安装方法：
为什么有些第三方库用pip可以下载，但无法安装?
- 某些第三方库pip'下载后，需要编译再安装
- 如果操作系统没有编译环境，则能下载但不能安装
- 可以直接下载编译后的版本用于安装吗?
os库的使用
一，os库基本介绍
os库提供通用的、基本的操作系统交互功能
- os库是Python标准库，包含几百个函数
- 常用路径操作、进程管理、环境参数等几类
- 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
二，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
import os. path
或
import os. path as op
三，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
四，os库之环境参数
1，获取或改变系统环境信息
2，获取操作系统环境信息：
实例13，第三方库自动安装脚本
第三方库自动安装脚本
- 需求:批量安装第3三方库需要人工干预，能否自动安装?
- 自动执行pip逐一根据安装需求安装
如何自动执行一个程序?例如: pip?
import os libs = {"numpy","matplotlib","pillow","sklearn","requests",\ "beautifulsoup4","wheel","networkx","sympy","django",\ "flask","werobot","pyqt5","pandas","pyopengl","pypdf2",\ "docopy","pygame"} try: for lib in libs: os.system("pip install " + lib) print("successful") except: print("failed somehow")
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3三方库，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
