8.1 体育竞技分析
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
比赛规则:
- 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
2.自顶向下和自底向上
自顶向下:
- 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
自底向上（执行）
- 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
3.实例讲解
- 步骤1：打印程序的介绍性信息
- 步骤2：获得程序运行参数：proA, proB, n
- 步骤3：利用球员A和B的能力值，模拟n局比赛
- 步骤4：输出球员A和B获胜比赛的场次及概率
- printInfo()
- getInputs()
- simNGames()
- printSummary()
编码:
#MatchAnalysis.py
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之间的小数表示）")
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 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 gameOver(a,b):
return a==15 or b==15
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="A"
return scoreA, scoreB
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 main():
printIntro()
probA, probB, n = getInputs()
winsA, winsB = simNGames(n, probA, probB)
printSummary(winsA, winsB)
main()
8.2 Python程序设计思维
1.计算思维与程序设计
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
计算思维：Computational Thinking
抽象问题的计算过程，利用计算机自动化求解
计算思维是基于计算机的思维方式
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
2.计算生态与Python语言
计算生态:
没有顶层设计、以功能为单位，具备三个特点
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 >15万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
计算生态的价值：
- 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
计算生态的应用:
- 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
3.用户体验及软件产品
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:
①进度展示
- 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
②异常处理
- 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
其它方法:
- 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
用户体验是程序到产品的关键环节
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
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
8.3 Python第三方库的安装
1.看见更大的Python世界
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
第1步：在pypi.org搜索 blockchain
第2步：挑选适合开发目标的第三方库作为基础
第3步：完成自己需要的功能
安装的三种方法
- 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
