python - 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？

Question

我知道有人玩龙与地下城 (D&D) 时会掷出一个值为 1-20（每边一个值）的公平骰子，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)

我期望根据随机掷骰子获得各种输出范围，然后将该值添加到修饰符，然后最终将最终值放入名为的数组中array，但我得到的只是一个看起来像的数组[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。

标签： pythonarraysnumpyfor-loopdata-science

Answer 1

这是因为您np.random.choice只调用一次，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()