前言

经典的掷骰子试验是我在学习概率中经常接触的例子，这是利用了骰子在赌博游戏中的随机性，方便我们理解概率的意义。
#今天，我们用 Python 来做一个实验，一次掷出两个骰子，每次计算所得点数的和，从而得到这些和的概率。

思路：

上边的问题符合经典概率模型，我们可以通过组合数的方法进行计算，先列出所有情况的组合，即笛卡尔积，然后计算他们的和，再求出这不同和的频数和频率。另外，还可以直接进行模拟试验，生成试验数据，然后相加最终得到实验样本值。

二、使用步骤

读入数据

代码如下（示例）：

#先通过组合数计算得概率：
import pandas as pd
import numpy as nppd.__version__
# '1.2.1'# 一次扔两个六面骰子, 和为多少的概率最大? 7 的可能性最大
midx = (pd.MultiIndex.from_product(([1,2,3,4,5,6],[1,2,3,4,5,6]),names=['a', 'b']))
(pd.DataFrame(index=midx).reset_index()#当数据不再是连续的索引时，可以使用reset_index()重置索引。.assign(c=lambda d: d.eval('a+b')).c.value_counts()#value-counts () 方法会返回该列每个项的计数。.plot.bar()
)

#我们可以看到值为 7 的最多，有 6 个。接下来进行实验，用 numpy 生成随机数据再进行计算。
rng = np.random.default_rng()#随机数的产生需要先创建一个随机数生成器# 投掷，1 万次
one = rng.integers(1,7, size=10000)#创建随机一维整数
two = rng.integers(1,7, size=10000)# 查看单次的频数，频数几乎相同
pd.Series(one).hist()
pd.Series(two).hist()# 相加，7 频数最大
pd.Series(one + two).hist()
#最终得知，一次投两个骰子，和为 7 的概率最大。

总结

以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。