一、实例13：体育竞技分析
1.1 问题分析
- 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
- 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
- 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
1.2 自顶向下和自底向上
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。
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。
1.3 "体育竞技分析"实例讲解
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。 #printInfo()
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()
- 第一阶段：程序总体框架及步骤
def main():
printIntro()
probA,proB,n=getInputs()
winsA,winsB=simNGames(n,proA,proB)
printSummary(winsA,winsB)
def printIntro():
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之间的小树表示）")
def getInputs():
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
def printSummary(winsA, winsB):
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))
- 第二阶段：步骤3 模拟N局比赛
def simNGames(n, probA, probB):
winsA, winsB = 0, 0
for i in range(n):
scoreA, scoreB = simOneGame(probA, probB)
if scoreA > scoreB:
winsA += 1
else:
winsB += 1
return winsA, winsB
- 第三阶段:根据分数判断局的结束
def simOneGame(probA, probB):
scoreA, scoreB = 0, 0
serving = "A"
while not gameOver(scoreA, scoreB):
if serving == "A":
if random() < probA:
scoreA += 1
else:
serving = "B"
else:
if random() < probB:
scoreB += 1
else:
serving = "B"
return scoreA, scoreB
def gameOver(a, b):
return a == 15 or b == 15
1.4 举一反三
- 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
- 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？
1.5 完整代码
from random import random
def printIntro():
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之间的小树表示）")
def getInputs():
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
def printSummary(winsA, winsB):
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 simNGames(n, probA, probB):
winsA, winsB = 0, 0
for i in range(n):
scoreA, scoreB = simOneGame(probA, probB)
if scoreA > scoreB:
winsA += 1
else:
winsB += 1
return winsA, winsB
def simOneGame(probA, probB):
scoreA, scoreB = 0, 0
serving = "A"
while not gameOver(scoreA, scoreB):
if serving == "A":
if random() < probA:
scoreA += 1
else:
serving = "B"
else:
if random() < probB:
scoreB += 1
else:
serving = "B"
return scoreA, scoreB
def gameOver(a, b):
return a == 15 or b == 15
def main():
printIntro()
probA, probB, n = getInputs()
winsA, winsB = simNGames(n, probA, probB)
printSummary(winsA, winsB)
main()
二、Python程序设计思维
- 计算思维与程序设计
- 计算生态与Python语言
- 用户体验与软件产品
- 基本的程序设计模式
2.1 计算思维与程序设计
计算思维:(Computational Thinking)：计算思维是基于计算机的思维方式
- 逻辑思维：推理和演绎，数学为代表，A->B B->C A->C
- 实证思维：实验和验证，物理为代表，引力波<-实验
- 计算思维：设计和构造，计算机为代表，汉诺塔递归
抽象问题的计算过程，利用计算机自动化求解
- 计算思维基于计算机强大的算力及海量数据
- 抽象计算过程，关注设计和构造，而非因果
- 以计算机程序设计为实现的主要手段
- 计算思维与程序设计
2.2 计算生态与Python语言
- 自由软件时代到来
- 1983, Richard Stallman启动GNU项目
- 1989, GNU通用许可协议诞生
- 开源生态逐步建立
- 1991, Linus Torvalds发布了Linux内核
- 1998, 网景浏览器开源，产生了Mozilla
计算生态以开源项目为组织形式，充分利用“共识原则”和“社会利他”组织人员，
在竞争发展、相互依存和迅速更迭中完成信息技术的更新换代，形成了技术的自我演化路径
- 竞争发展
- 相互依存
- 迅速更迭
以开源项目为代表的大量第三方库
Python语言提供 >13万个第三方库库的建设经过野蛮生长和自然选择
同一个功能，Python语言2个以上第三方库库之间相互关联使用，依存发展
Python库间广泛联系，逐级封装社区庞大，新技术更迭迅速
AlphaGo深度学习算法采用Python语言开源
API != 生态
创新：跟随创新、集成创新、原始创新
- 加速科技类应用创新的重要支撑
- 发展科技产品商业价值的重要模式
- 国家科技体系安全和稳固的基础
刀耕火种 -> 站在巨人的肩膀上
- 编程的起点不是算法而是系统
- 编程如同搭积木，利用计算生态为主要模式
- 编程的目标是快速解决问题
优质的计算生态:http://python123.io:
2.3 用户体验与软件产品
用户体验
- 用户体验指用户对产品建立的主观感受和认识
- 关心功能实现，更要关心用户体验，才能做出好产品
- 编程只是手段，不是目的，程序最终为人类服务
提高用户体验的方法
- 如果程序需要计算时间，可能产生等待，请增加进度展示
- 如果程序有若干步骤，需要提示用户，请增加进度展示
- 如果程序可能存在大量次数的循环，请增加进度展示
- 当获得用户输入，对合规性需要检查，需要异常处理
- 当读写文件时，对结果进行判断，需要异常处理
- 当进行输入输出时，对运算结果进行判断，需要异常处理
- 打印输出：特定位置，输出程序运行的过程信息
- 日志文件：对程序异常及用户使用进行定期记录
- 帮助信息：给用户多种方式提供帮助信息
软件程序 -> 软件产品
用户体验是程序到产品的关键环节
2.4 基本的程序设计模式
从IPO开始…
- I：Input 输入，程序的输入
- P：Process 处理，程序的主要逻辑
- O：Output 输出，程序的输出
- 确定IPO：明确计算部分及功能边界
- 编写程序：将计算求解的设计变成现实
- 调试程序：确保程序按照正确逻辑能够正确运行
自顶向下设计
- I：Input 输入，程序的输入
- P：Process 处理，程序的主要逻辑
- O：Output 输出，程序的输出
模块化设计
- 通过函数或对象封装将程序划分为模块及模块间的表达
- 具体包括：主程序、子程序和子程序间关系
- 分而治之：一种分而治之、分层抽象、体系化的设计思想
- 紧耦合：两个部分之间交流很多，无法独立存在
- 松耦合：两个部分之间交流较少，可以独立存在
- 模块内部紧耦合、模块之间松耦合
配置化设计
- 引擎+配置：程序执行和配置分离，将可选参数配置化
- 将程序开发变成配置文件编写，扩展功能而不修改程序
- 关键在于接口设计，清晰明了、灵活可扩展
2.5 应用开发的四个步骤
1 产品定义：对应用需求充分理解和明确定义
产品定义，而不仅是功能定义，要考虑商业模式
2 系统架构：以系统方式思考产品的技术实现
系统架构，关注数据流、模块化、体系架构
3 设计与实现：结合架构完成关键设计及系统实现
结合可扩展性、灵活性等进行设计优化
4 用户体验：从用户角度思考应用效果
用户至上，体验优先，以用户为中心
三、Python第三方库安装
- 看见更大的Python世界
- 第三方库的pip安装方法
- 第三方库的集成安装方法
- 第三方库的文件安装方法
3.1 看见更大的Python世界
3.1.1 Python社区
- PyPI: Python Package Index
- PSF维护的展示全球Python计算生态的主站
- 学会检索并利用PyPI，找到合适的第三方库开发程序
- 方法1(主要方法): 使用pip命令
- 方法2: 集成安装方法
- 方法3: 文件安装方法
3.2 第三方库的pip安装方法
#安装指定的第三方库
pip install <第三方库名>
#使用-U标签更新已安装的指定第三方库
pip install –U <第三方库名>
#卸载指定的第三方库
pip uninstall <第三方库名>
#下载但不安装指定的第三方库
pip download <第三方库名>
#列出某个指定第三方库的详细信息
pip show <第三方库名>
#根据关键词在名称和介绍中搜索第三方库
pip search <关键词>
#列出当前系统已经安装的第三方库
pip list
主要方法，适合99%以上情况
- 适合Windows、Mac和Linux等操作系统
- 未来获取第三方库的方式，目前的主要方式
- 适合99%以上情况，需要联网安装
3.3 第三方库的集成安装方法
Anaconda
https://www.continuum.io
- 支持近800个第三方库
- 包含多个主流工具
- 适合数据计算领域开发
3.4 第三方库的文件安装方法
- 某些第三方库pip下载后，需要编译再安装
- 如果操作系统没有编译环境，则能下载但不能安装
实例：安装wordcloud库
- 步骤1：在UCI页面上搜索wordcloud
- 步骤2：下载对应版本的文件
- 步骤3：使用pip install <文件名>安装