Комментарии 9
для начала - https://ru.wikipedia.org/wiki/Теория_вероятностей поправьте название
Заголовок - интересный, тематика тоже завлекла... но... я до конца статьи ждал чего-то интересного, и не дождался...
Хотя бы привели сравнение 10, 100, и 1млн бросков, разные способы random и т.п.
А в итого вышло сухо и скучно, к сожалению =(
Спасибо большое за обратную связь. Приму к сведению. По поводу количества бросков не додумался. Будет над чем подумать в следующей статье)
Моя задача была просто запрограммировать содержимое первой главы книги. Посмотреть как оно получится или нет. По поводу сравнения 10, 100, и 1млн бросков задачи такой перед собой не ставил.
data =[ random.randint(1,10) for i in range(10)]
Так посимпатичней будет.
Спасибо большое за обратную связь!
Предложенная статья нацелена по большей части для тех людей, которые являются как новичками в математике, так новичками в программировании. В вашем примере используется List comprehension. Когда я тренировался в программировании, не сразу понял её назначение. Начав исследование, увидел, что не все новички способны в этом вопросе разобраться, поэтому сложные конструкции не использовал.
А так да, [ random.randint(1,10) for i in range(10)] подобная конструкция смотрится симпатичней. Вы абсолютно правы!
Спасибо автору за статью конечно. Человек знакомится с программированием и тервером это похвально:) Книгу добавил себе в закладки. Пару рекомендаций насчёт кода.
Объект DataFrame, состоит из объектов Series, сильно напоминающих numpy.array. Вам необходимо ознакомится с numpy.array так как он поддерживает математические операции, вам не нужно итерироватся по вашей колонке «частота», потом пихать это в массив и потом делать новую колонку в датафрейме:
df[“вероятность”] = df[“частота”] / df[“частота”].sum()
Это дало бы вам тот же результат:)
Неправильно говорить про «добавить в конец словаря» словарь это Объект где нет конца или начала, там есть ключи и значения. Для упорядоченного словаря есть специальный объект называется OrderDict. И опять же вы могли упорядочить свои значения уже в датафрейме. Есть метод .sort_values(). df[“частота”].sort_values() :) В общем больше почитайте про датафреймы это невероятно функциональная вещь.
Функция count_rate имеет два цикла абсолютно излишне. Сделайте 1 цикл от 1 до 7, если значение есть в вашем словаре то добавляете сколько их в вашем массиве, если нет то напротив значения ставите 0 :)) Вы перемудрили и сделали простейшую функцию излишне сложной для понимания и демонстрируете бэд практис. :) Вы учитесь это нормально, но на будущее изучите zen of python и PEP прочитайте там много полезной инфы.
Основы теории вероятностей с помощью Python