体育竞技分析
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
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 printInfo()步骤2：获得程序运行参数：proA, proB, n getInputs()步骤3：利用球员A和B的能力值，模拟n局比赛 simNGames()步骤4：输出球员A和B获胜比赛的场次及概率 printSummary()
from random import random
def printIntro(): #介绍信息，提高用户体验
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(): #获取 选手能力值(0-1)，比赛次数
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 # 作为实参 赋给simNGames
def simNGames(n, probA, probB): # 选手赢得比赛的次数
winsA, winsB = 0, 0
for i in range(n):
scoreA, scoreB = simOneGame(probA, probB) # 模块simOneGame 得分情况判断
if scoreA > scoreB: # 得分高得加 1
winsA += 1
else:
winsB += 1
return winsA, winsB
def gameOver(a,b): # 15分一局
return a == 15 or b == 15
def simOneGame(probA, probB): # 计算每一局的得分 知道某一方15分
scoreA, scoreB = 0, 0
serving = "A"
while not gameOver(scoreA, scoreB): # 当gameOver()模块 score分数为15时，执行完返回score值
if serving == "A":
if random() < probA: # 随机数< A选手能力值
scoreA += 1 # A选手得一分
else:
serving="B" # 否则执行下面else语句，知道 某一方得15分
else:
if random() < probB:
scoreB += 1
else:
serving="A"
return scoreA, scoreB
def printSummary(winsA, winsB): # 模块simNGames的值调用，输出比赛场数和赢率占比
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 main(): #主函数按顺序执行上面各个模块
printIntro() # 输出打印信息
probA, probB, n = getInputs() # 执行模块getInputs() 并把值a,b,n赋给 probA, probB, n
winsA, winsB = simNGames(n, probA, probB) # 把return 的 值赋给 winsA, winsB
printSummary(winsA, winsB) # 输出 比赛结果，场数，胜率
main()
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(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
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
应用问题的扩展
扩展比赛参数，增加对更多能力对比情况的判断扩展比赛设计，增加对真实比赛结果的预测扩展分析逻辑，反向推理，用胜率推算能力