python中的硬币翻转模拟

我想模拟一枚硬币翻转500次。然后，我必须创建一个图表，显示在x轴上翻转硬币时，硬币头部的运行比例，在y轴上显示头部的比例。我编写了Python代码，出现了以下错误：

Traceback (most recent call last):
File "E:\ProgramsPython\My\bayes\Coin Flip.py", line 22, in <module>
ylist = [coinFlip(x) for x in xlist]
File "E:\ProgramsPython\My\bayes\Coin Flip.py", line 16, in coinFlip
return heads / x
ZeroDivisionError: integer division or modulo by zero

---

这个错误是说你被零除了。所以有一条线，你可以分开，它可能在那里

在我看来，尝试将您的回报率改为这一点更有意义：

return heads / size

x可以等于零。当这种情况发生时，特别是调用coinFlip1时

heads / x

引发零错误

顺便说一下，因为您使用的是matplotlib，所以必须安装NumPy。因此，您可以这样使用express coinFlip：

import matplotlib.pyplot as plt
import numpy as np

def coinFlip(size):
    flips = np.random.randint(0, 2, size=size)
    return flips.mean()
coinFlip = np.frompyfunc(coinFlip, 1, 1)

xmin, xmax, dx = 1, 500, 1
x = np.arange(xmin, xmax, dx)
y = coinFlip(x)
plt.plot(x, y)
plt.show()

或者使用@pjs的评论，查看在一次500次硬币投掷中头部的比例是如何变化的：

def coinFlip(size):
    xmin, xmax, dx = 1, size, 1
    x = np.arange(xmin, xmax, dx)
    flips = np.random.randint(0, 2, size=size)
    return x, [flips[:i].mean() for i in x]

x, y = coinFlip(500)
plt.plot(x, y)

要在对数刻度上绘制x轴，请执行以下操作：

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xscale('log')

你需要按大小划分头部

为了避免截断，它可能应该是

     return heads / float(size)

排队的时候 返回头/x

---

最后一次运行时，x为0，因此创建了零除错误。

如果这样做，请不要忘记确保大小不是0。根据OP代码的其余部分，大小不会是0，而是介于1和500之间。但是，除了所有关于除以零的反馈之外，执行某种检查可能是一种很好的做法，我不确定你是否在做要求你做的事情。当你运行这个程序时，它将根据不同的样本大小绘制500个独立的采样结果。在一个500次抛硬币的实验中，运行比例应该绘制出每次额外抛硬币的比例变化。谢谢，这是我真正想要的。还有一个问题，我如何在对数尺度上绘制x轴，这样我就可以看到前几次翻转的细节，以及多次翻转后的长期趋势？

import numpy as np
from matplotlib import pyplot as plt

flips = np.random.binomial(1, 0.5, 500) # flip 1 coin with 0.5 prob of heads 500 times
heads_so_far = flips.cumsum() * 1.0 #lets use float to avoid truncations later
heads_to_count = [heads_so_far[i-1]/i for i in range(1,len(flips)+1)]
x = range(1,len(flips)+1)
plt.plot(x,heads_to_count)
plt.show()

     return heads / float(size)

import numpy as np
from matplotlib import pyplot as plt

flips = np.random.binomial(1, 0.5, 500) # flip 1 coin with 0.5 prob of heads 500 times
heads_so_far = flips.cumsum() * 1.0 #lets use float to avoid truncations later
heads_to_count = [heads_so_far[i-1]/i for i in range(1,len(flips)+1)]
x = range(1,len(flips)+1)
plt.plot(x,heads_to_count)
plt.show()