带有 Numpy 混乱的硬币翻转答案

【问题标题】：Coin Flip with Numpy confusion带有 Numpy 混乱的硬币翻转
【发布时间】：2019-08-23 15:44:37
【问题描述】：

我正在学习 python 和 numpy 等。我正在编写抛硬币的代码，但是我对代码有些困惑。我回顾了课程，但看不到它在哪里解释为什么以下代码中的 total_sums 等于 2。

tests = np.random.choice([0, 1], size=(int(1e6), 3), p=[0.6, 0.4])
test_sums = tests.sum(axis=1)
(test_sums == 2).mean()

上面的代码我能够正确，除了test_sums == 2，我卡了很长时间。

代码的目的是查看当你掷硬币 3 次时，它会出现一次正面朝上的概率是多少。在这种情况下，正面为 0，反面为 1。有人能告诉我我错过了什么吗？谢谢

【问题讨论】：

由于正面为 0，反面为 1，因此如果它一次落在正面（和两次反面）上，则 3 次试验的总和为 2。
你认为应该是什么，为什么？
好的，这是有道理的。出于某种原因，我在想 1，因为在我的脑海里我在想两个硬币翻转而不是三个。所以因为我错了，我以为我完全误解了 == 2 指的是。谢谢你们的帮助。

【解决方案1】：

您在每次试验中翻转 3 次。你正在检查你得到一个头的频率。 1 头意味着，事实上，2 尾。测试 2 个尾巴与测试 1 个头完全相同。

test_sums == 2 经历了一系列的翻转，每次试验都会产生True (1) 或False (0)，这取决于三个翻转的总和是否为2。此表达式返回一系列布尔值，标记每个所需的试验 -- 1 headwith a1`。

例如，让我们考虑一组只有 5 次试验（您的代码执行 100 万次），每次 3 次翻转，结果：

tests = [ [0 1 0] [1 1 0] [0 0 0] [0 0 1] [0 0 0] ]

我们现在会得到

test_sums = [ 1 2 0 1 0 ]

(test_sums == 2) 是一个临时变量，如下所示：

[ False True False True False ]

编码为

[ 0 1 0 1 0 ]

...这个系列的平均值是0.4，它将显示为所需的概率。

该系列的算术平均值是该系列中出现1 的概率——也就是说，在该试验系列中，在 3 次翻转中恰好得到 1 个正面的概率。

这样就解决了吗？

【讨论】：