如何计算Python模拟中出现的次数？

我正在Python中运行一个TASEP模拟，其中给定大小的晶格上的晶格站点可以是空的，也可以是被占用的（0或1）

模拟给出了给定模拟时间内晶格配置（状态是否被占用）的图，但没有给出被占用状态的数量

我无法让Python计算被占用状态的数量，因为图形来自模拟，而不是列表

TASEP代码：

import random, pylab, math
random.seed()
L=100 # Number of lattice sites
alpha=.2 # Rate of entry
beta=.4 # Rate of exit

Ntime=200000 # Simulation steps
state=[0 for k in range(L+1)]
for iter in range(Ntime):
   k=random.randint(0,L)
   if k==0:
      if random.random() < alpha: state[1]=1
   elif k==L:
         if random.random() < beta: state[L]=0
   elif state[k]==1 and state[k+1]==0: 
      state[k+1]=1
      state[k]=0
   if iter%2000 == 0: 
      yaxis=[]
      for i in range(L):
          if state[i+1]==1: yaxis.append(i)
      xaxis=[iter for k in range(len(yaxis))]
      pylab.plot(xaxis,yaxis,'r.')
pylab.xlabel('Number of steps')
pylab.ylabel('System configuration')
pylab.show()

导入随机、pylab、数学
random.seed（）
L=100#格点数量
阿尔法=0.2#入学率
β=0.4#退出率
Ntime=200000模拟步骤
状态=[0表示范围（L+1）中的k]
对于范围内的iter（Ntime）：
k=随机随机随机数（0，L）
如果k==0：
如果random.random（）

---

好的，我基本上修复了你的代码，因为我没有冒犯你，但之前它有点乱（见注释）

随机导入
将matplotlib.pyplot作为plt导入
图，axs=plt.子批次（nrows=2，sharex=True）
L=100#格点数量
阿尔法=0.2#入学率
β=0.4#退出率
n_时间=200000#模拟步骤
每个记录=2000
状态=[0]*（L+1）
记录=[]#存储所占用状态总数的记录
对于范围内的itr（n_时间）：
rand_int=random.randint（0，L）
如果rand_int==0：
如果为random.random（）

这个输出

---

FHTMitchell提出的解决方案是正确的，但效率低下。

sum

操作要求在每次迭代时执行O（L）个功，使整个程序为O（L*n_时间）

请注意：

• 开始时，占用状态计数为0
• 只有当零状态切换为一时，

  占用状态\计数

  才应增加
• 只有当一个状态切换为零时，

  占用状态计数才应减少
  如果您已经处于目标状态，则无需更改，短路可以避免对
  random（）
  进行不必要的调用
  最后，当两个状态在相反方向上切换时（您的最终
  elif
  ），无需更改
  占用状态\计数
  
  

应用以上所有方法可以产生以下O（n_时间）实现，这要快得多：

import random
import matplotlib.pyplot as plt

fig, axs = plt.subplots(nrows=2, sharex=True)

L = 100  # Number of lattice sites
alpha = 0.2  # Rate of entry
beta = 0.4  # Rate of exit

n_time = 200000  # Simulation steps
record_each = 2000
state = [0]*(L + 1)
occupied_state_count = 0
record = []  # store a record of the total number of states occupied

for itr in range(n_time):

    rand_int = random.randint(0, L)

    if rand_int == 0:
        if state[1] == 0 and random.random() < alpha:
            state[1] = 1
            occupied_state_count += 1
    elif rand_int == L:
        if state[L] == 1 and random.random() < beta:
            state[L] = 0
            occupied_state_count -= 1
    elif state[rand_int] == 1 and state[rand_int + 1] == 0:
        state[rand_int + 1] = 1
        state[rand_int] = 0

    if itr % record_each == 0:
        yaxis = [i for i in range(L) if state[i + 1] == 1]
        axs[1].plot([itr]*len(yaxis), yaxis, 'r.')
        record.append(occupied_state_count)  # add the total number of states to the record

axs[0].plot(range(0, n_time, record_each), record)  # plot the record
axs[1].set_xlabel('Number of steps')
axs[1].set_ylabel('System configuration')
axs[0].set_ylabel('Number of states occupied')
plt.show()

随机导入
将matplotlib.pyplot作为plt导入
图，axs=plt.子批次（nrows=2，sharex=True）
L=100#格点数量
阿尔法=0.2#入学率
β=0.4#退出率
n_时间=200000#模拟步骤
每个记录=2000
状态=[0]*（L+1）
占用状态计数=0
记录=[]#存储所占用状态总数的记录
对于范围内的itr（n_时间）：
rand_int=random.randint（0，L）
如果rand_int==0：
如果状态[1]==0且为random.random（）

状态存储在名为

状态的列表中。您是否尝试过求和（状态）

？这将为您提供给定时间步的占用状态数…不要使用

iter

作为变量，它会影响内置函数。而

pylab

已被弃用。改用

导入matplotlib.pyplot作为plt

。除非你传递一个变量，请看一下（例如，把空格放在操作符的两边），否则实际上什么都不会做。我会试试你的建议。谢谢！我试试你的建议。

import random
import matplotlib.pyplot as plt

fig, axs = plt.subplots(nrows=2, sharex=True)

L = 100  # Number of lattice sites
alpha = 0.2  # Rate of entry
beta = 0.4  # Rate of exit

n_time = 200000  # Simulation steps
record_each = 2000
state = [0]*(L + 1)
occupied_state_count = 0
record = []  # store a record of the total number of states occupied

for itr in range(n_time):

    rand_int = random.randint(0, L)

    if rand_int == 0:
        if state[1] == 0 and random.random() < alpha:
            state[1] = 1
            occupied_state_count += 1
    elif rand_int == L:
        if state[L] == 1 and random.random() < beta:
            state[L] = 0
            occupied_state_count -= 1
    elif state[rand_int] == 1 and state[rand_int + 1] == 0:
        state[rand_int + 1] = 1
        state[rand_int] = 0

    if itr % record_each == 0:
        yaxis = [i for i in range(L) if state[i + 1] == 1]
        axs[1].plot([itr]*len(yaxis), yaxis, 'r.')
        record.append(occupied_state_count)  # add the total number of states to the record

axs[0].plot(range(0, n_time, record_each), record)  # plot the record
axs[1].set_xlabel('Number of steps')
axs[1].set_ylabel('System configuration')
axs[0].set_ylabel('Number of states occupied')
plt.show()