2024-10-05 10:06:17 发布
网友
我有一个电子表格,里面有7千名职业足球运动员的数据,我想根据他的位置得到每个属性值的发生率百分比。你知道吗
比如:
Striker - Attack = 99: 1.3%; 98: 1.8%; 97: 3.5%;... CenterBack - Attack = 99: 0.002%; 98: 0.003%; 97: 0.006%;...
然后我将根据这个参数创建一个随机播放器生成器。你知道吗
直接回答你的问题:当你想知道某个分布的百分位数时,你可以使用numpy
import numpy as np strikerAttackValueList=np.random.randint(0,100,1000)#example of stats list percentile50=np.percentile(strikerAttackValueList,50)
但这和编码问题一样是一个数学统计问题。你知道吗
第一步是检查Pro-Evolution足球中的值是如何分布的。这可能是正常的,统一的,。。(https://en.wikipedia.org/wiki/List_of_probability_distributions)具有一定的平均值和标准差。 要知道这一点,请导入要学习的stat并执行以下操作:http://www.insightsbot.com/blog/WEjdW/fitting-probability-distributions-with-python-part-1
然后,要生成随机玩家统计信息,您可以使用random或numpy(例如,假设在0和100之间均匀分布):
import random strikerAttackValue=random.randint(0,100) print(strikerAttackValue) import numpy as np strikerAttackValue=np.random.randint(0,100) print(strikerAttackValue)
我认为np.random.choice如果你想直接取样的话就可以做到:
import numpy as np # generate some stats (ie your soccer values) np.random.seed(1) soccer_stats = np.random.normal(0, 1, size=100) # sample from them sampled_stat = np.random.choice(soccer_stats) print(sampled_stat)
-0.8452056414987196
查看np.histogram以观察您从中采样的分布。collections.Counter很适合观察非数字数据的分布(也许是你的足球运动员的名字?)你知道吗
直接回答你的问题:当你想知道某个分布的百分位数时,你可以使用numpy
但这和编码问题一样是一个数学统计问题。你知道吗
第一步是检查Pro-Evolution足球中的值是如何分布的。这可能是正常的,统一的,。。(https://en.wikipedia.org/wiki/List_of_probability_distributions)具有一定的平均值和标准差。 要知道这一点,请导入要学习的stat并执行以下操作:http://www.insightsbot.com/blog/WEjdW/fitting-probability-distributions-with-python-part-1
然后,要生成随机玩家统计信息,您可以使用random或numpy(例如,假设在0和100之间均匀分布):
我认为np.random.choice如果你想直接取样的话就可以做到:
查看np.histogram以观察您从中采样的分布。collections.Counter很适合观察非数字数据的分布(也许是你的足球运动员的名字?)你知道吗
相关问题 更多 >
编程相关推荐