繁体   English   中英

即使我使用 np.random.choice(),我是否有理由一遍又一遍地获得相同的输入?

[英]Is there a reason why I am getting the same input over and over even though I am using np.random.choice()?

我知道有人玩龙与地下城 (D&D) 时会掷出一个 1-20 的公平骰子(每边一个值),并且根据角色,我猜角色可以做出的每个动作都有一个修饰符。 在这种情况下,打开门的修饰符是 11。 如果掷骰 + 修正值大于 15,则动作成功,角色打开门,否则动作失败。 这部分问题希望我们制作一个包含 7 个骰子的数组,以及该角色的分数,修饰符为 11。

这是我迄今为止尝试过的

import numpy as np
from datascience import *

modifier = 11
possible_rolls = np.arange(20)
roll_result = np.random.choice(possible_rolls)
modified_result = roll_result + modifier
num_observations = 7

def simulate_observations():
    """Produces an array of 7 simulated modified die rolls"""
    possible_rolls = np.arange(20)
    roll_result = np.random.choice(possible_rolls)
    modified_result = roll_result + modifier
    array = make_array()
    for i in np.arange(num_observations):
        array = np.append(array, modified_result)
    return array

observation_array = simulate_observations()
print(observation_array)

我期望根据骰子的随机滚动获得各种输出范围,然后将该值添加到修饰符,然后最终将最终值放入名为array的数组中,但我得到的只是一个看起来像[20.,20.,20.,20.,20.,20.,20.] 关于我可能会去哪里的任何想法? 我 90% 确定我的问题出在我的 for 循环中,因为我还没有完全掌握我在它们中到底在做什么,但我似乎无法确定到底是什么问题。

这是因为您只调用np.random.choice一次,而不是在 for 循环中的每次迭代中调用一次

import numpy as np
from datascience import *

modifier = 11
possible_rolls = np.arange(20)
roll_result = np.random.choice(possible_rolls)
modified_result = roll_result + modifier
num_observations = 7

def simulate_observations():
    """Produces an array of 7 simulated modified die rolls"""
    possible_rolls = np.arange(20)

    array = make_array()
    for i in np.arange(num_observations):
       # moved roll_result inside the loop
       roll_result = np.random.choice(possible_rolls)
       modified_result = roll_result + modifier
       array = np.append(array, modified_result)
    return array

observation_array = simulate_observations()
print(observation_array)
# [20. 11. 24. 11. 15. 16. 26.]

但是你也可以避免for循环,直接做

def simulate_observations():
    """Produces an array of 7 simulated modified die rolls"""
    possible_rolls = np.arange(modifier,20+modifier)
    return np.random.choice(possible_rolls,size=num_observations).tolist()

暂无
暂无

声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM