[python应用] 如何预测年会抽奖的中奖号码-再也不用担心每次都空手回家了

#使用贝叶斯方法计算每个号码的后验概率 #返回：字典，键为号码，值为后验概率def _calculate_bayesian_probabilities(self, total_people):    if not self.history: # 如果没有历史数据，返回均匀分布        uniform_prob = 1.0 / total_people        return {num: uniform_prob for num in range(1, total_people + 1)}    history_counts = {}# 计算每个号码在历史中出现的次数    total_draws = len(self.history)    for record in self.history:        for num in record['all_numbers']:            history_counts[num] = history_counts.get(num, 0) + 1    history_freq = {}# 计算每个号码的历史频率    for num in range(1, total_people + 1):        count = history_counts.get(num, 0)        history_freq[num] = (count + 1) / (total_draws + total_people)# 避免概率为0    prior_prob = 1.0 / total_people#设置先验分布（均匀分布）    bayesian_probs = {}#贝叶斯：后验 ∝ 先验 × 似然    for num in range(1, total_people + 1):# 结合先验和似然        prior_weight = self.alpha #加权平均，alpha控制先验权重        likelihood_weight = 1.0        bayesian_prob = (            prior_weight * prior_prob + likelihood_weight * history_freq[num]) / (prior_weight + likelihood_weight)        bayesian_probs[num] = bayesian_prob    total_prob = sum(bayesian_probs.values()) # 确保概率之和为1    for num in bayesian_probs:        bayesian_probs[num] /= total_prob    return bayesian_probs

 #total_peopl总号码数；prize_counts:下次抽奖的奖项及数量;simulations:模拟随机抽奖的次数 def monte_carlo_bayesian_predict(self, total_people, prize_counts, simulations=5000):        draw_order = ['四等奖', '三等奖', '二等奖', '一等奖', '特等奖'] # 定义抽奖顺序（从低等奖到特等奖）        bayesian_probs = self._calculate_bayesian_probabilities(total_people)  # 计算贝叶斯后验概率        print(f"最高概率的5个号码: {sorted(bayesian_probs.items(), key=lambda x: x[1], reverse=True)[:5]}")        number_counts = {i: 0 for i in range(1, total_people + 1)}# 记录每个号码抽中的次数        for sim in range(simulations):# 进行多次模拟            available = list(range(1, total_people + 1))# 每次模拟都进行一次完整的抽奖            for prize in draw_order:  # 按顺序抽取每个奖项                if prize in prize_counts:                    need = prize_counts[prize] # 需要抽取的数量                    if len(available) < need:# 如果号码不够，跳出 防止奖数比人数还多的bug                        break                    # 使用基于贝叶斯概率的随机选择                    available_copy = available.copy()#副本，避免影响原来的值                    chosen = self._bayesian_sample_without_replacement(                        available_copy, need, bayesian_probs)                    for num in chosen:# 记录结果                        number_counts[num] += 1                    for num in chosen:   # 不放回抽奖，从可用号码中移除已选择的号码                        available.remove(num)        return self._make_prediction(number_counts, total_people, prize_counts)# 根据模拟结果生成预测

#基于贝叶斯概率的不放回抽样#available: 可用号码列表；need: 需要抽取的数量；bayesian_probs: 贝叶斯概率字典def _bayesian_sample_without_replacement(self, available, need, bayesian_probs):        chosen = [] # 不放回抽样        for _ in range(need):            if not available:                break            total_prob = sum(bayesian_probs[num] for num in available)#计算当前可用号码的概率            r = random.random() * total_prob# 生成随机数并选择号码            cumulative = 0            selected_num = None            for num in available:                cumulative += bayesian_probs[num]                if r <= cumulative:                    selected_num = num                    break            chosen.append(selected_num) # 添加选中的号码            available.remove(selected_num)# 从可用列表中移除        return chosen

#number_counts: 每个号码抽中的次数 total_people: 总人数;prize_counts: 下次抽奖各奖项数量def _make_prediction(self, number_counts, total_people, prize_counts):    sorted_numbers = sorted(number_counts.items(), key=lambda x: x[1], reverse=True)# 按被抽中次数从高到低排序    draw_order = ['五等奖', '四等奖', '三等奖', '二等奖', '一等奖'] # 抽奖顺序（从低等到高等）    prediction = {} # 存储预测结果    used_numbers = set()  # 已使用的号码    for prize in draw_order: # 按顺序分配号码给各个奖项        if prize in prize_counts:               need = prize_counts[prize]# 需要抽取的数量            chosen = []  # 选择的号码            for num, count in sorted_numbers:# 从未使用的号码中，按模拟出现次数从高到低选择                if num not in used_numbers and len(chosen) < need:                    chosen.append(num)                    used_numbers.add(num)            if len(chosen) < need: # 如果还不够，从未使用的号码中随机选择                remaining = [n for n in range(1, total_people + 1) if n not in used_numbers]                extra = random.sample(remaining, need - len(chosen))                chosen.extend(extra)                used_numbers.update(extra)            prediction[prize] = sorted(chosen) # 记录预测结果    return prediction

#主函数，将以上函数需要的数据输入，并进行贝叶斯理论的蒙特卡洛预测def main():    alphas = [0.5, 1.0, 2.0]  # 不同的alpha先验强度，影响贝叶斯后验概率    for alpha in alphas:        print(f"\n{'='*50}")        print(f"使用先验参数 alpha = {alpha}")        predictor = BayesianLotteryPredictor(alpha=alpha)# 创建预测器，BayesianLotteryPredictor为以上函数的总类class        results1 = { # 第一次年会抽奖结果            '四等奖': [17, 7, 18, 28, 33,24,9],  # 第一次年会四等奖号码7个            '三等奖': [5, 12, 25, 35,8],  # 第一次年会三等奖号码5个            '二等奖': [3, 17, 30],  # 第一次年会二等奖号码3个            '一等奖': [18, 22],  # 第一次年会一等奖号码2个            '特等奖': [11]  # 第一次年会特等奖号码1个        }        predictor.add_history(37, results1)#第一次总抽奖人数37人        results2 = { # 第二次年会抽奖结果            '四等奖': [4, 11, 20, 29, 34,42,22,18,52,9],  # 第2次年会四等奖号码10个            '三等奖': [2, 14, 27, 36,43,28],  # 第2次年会三等奖号码6个            '二等奖': [8, 24, 31,19,32],  # 第2次年会二等奖号码5个            '一等奖': [5, 19,47],  # 第2次年会一等奖号码3个            '特等奖': [12]  # 第2次年会特等奖号码1个        }        predictor.add_history(56, results2)#第2次总抽奖人数56人        # 设置第三次抽奖的参数        print("\n=== 第三次抽奖预测 ===")        total_people = 35 #下次抽奖总人数        prize_counts = {            '四等奖': 6, #下次抽奖四等奖6个            '三等奖': 4, #下次抽奖三等奖4个            '二等奖': 3, #下次抽奖二等奖3个            '一等奖': 2, #下次抽奖一等奖2个            '特等奖': 1 #下次抽奖特等奖1个        }        print("\n贝叶斯蒙特卡洛预测结果:")        prediction = predictor.monte_carlo_bayesian_predict(            total_people, prize_counts, simulations=3000        )        # 使用贝叶斯蒙特卡洛模拟预测        # 按4-特等奖抽奖顺序显示结果        for prize in ['四等奖', '三等奖', '二等奖', '一等奖', '特等奖']:            if prize in prediction:                print(f"  {prize}: {prediction[prize]}")

if __name__ == "__main__":    main()