Python：将蒙特卡洛模拟的while循环结果保存为NumPy数组

你需要先初始化一个容器（列表或numpy数组）来存储每次的模拟结果，之前尝试append无输出是因为没创建存储容器就直接操作了。下面是修改后的完整代码：

import random
import numpy as np
# 导入绘图库用于后续可视化
import matplotlib.pyplot as plt

def steadystate():
    p=0.88
    Cout=4700000000
    LambdaAER=0.72
    Vol=44.5
    Depo=0.42
    Uptime=0.1
    Effic=0.38
    Recirc=4.3
    x = random.randint(86900000,2230000000000)
    conc = ((p*Cout*LambdaAER)+(x/Vol))/(LambdaAER+Depo+(Uptime*Effic*Recirc))
    return conc

# 初始化空列表存储模拟结果
results = []
x = 0
while x < 10000:
    result = steadystate()
    # 将每次结果追加到列表中
    results.append(result)
    x += 1

# 可选：将列表转为numpy数组，方便后续数值计算和绘图
results_np = np.array(results)

# 示例：绘制结果的直方图（蒙特卡洛模拟常用分布可视化方式）
plt.hist(results_np, bins=50, edgecolor='black')
plt.title('Steady State Concentration Distribution')
plt.xlabel('Concentration')
plt.ylabel('Frequency')
plt.show()

关键改动说明： #

• 新增results = []创建空列表，作为结果的存储容器
• 在循环内添加results.append(result)，把每次计算的浓度值存入列表
• 可选步骤：将列表转为numpy数组results_np，numpy对批量数值处理和绘图的支持更便捷
• 加入了直方图绘图示例，直接运行就能看到10000次模拟结果的分布情况

内容的提问来源于stack exchange，提问作者bowlcutinmatrix