如何执行多次random.choices测试并优化代码将结果写入CSV文件

代码优化与功能实现步骤 #

一、优化原代码的内存占用 #

原代码创建包含10000个元素的marbles列表完全没必要——既然红蓝弹珠的概率都是50%，直接按概率随机生成样本就行，不用预存这么多元素，能省不少内存，尤其是做大量重复试验的时候。

二、实现A1.primo()函数 #

先明确函数逻辑：重复做抽样试验，每次抽一个k=4的小样本和k=7的大样本，统计小样本里目标事件的出现频率比大样本高的次数（或对应的概率）。这里默认以“红色弹珠出现频率”作为目标事件，你可以按需调整。

完整可运行代码 #

import random
import csv

# 生成指定大小的随机样本，无需预存全量弹珠
def generate_sample(sample_size):
    return [random.choice(["RED", "BLUE"]) for _ in range(sample_size)]

# 计算样本中目标事件的频率
def get_frequency(sample, target="RED"):
    return sample.count(target) / len(sample)

class A1:
    @staticmethod
    def primo(num_trials=1000):
        """
        统计小样本(k=4)频率高于大样本(k=7)的试验占比
        :param num_trials: 总试验次数，默认1000次
        :return: 符合条件的试验比例
        """
        success = 0
        for _ in range(num_trials):
            small = generate_sample(4)
            large = generate_sample(7)
            if get_frequency(small) > get_frequency(large):
                success += 1
        # 返回比例，也可以直接返回成功次数，看你需求
        return success / num_trials

# 执行测试并保存结果到CSV
if __name__ == "__main__":
    # 执行试验，这里设10000次试验，结果更稳定
    test_result = A1.primo(num_trials=10000)
    # 写入CSV文件
    with open("marble_test_results.csv", "w", newline="", encoding="utf-8") as f:
        writer = csv.writer(f)
        # 先写表头，再写结果
        writer.writerow(["总试验次数", "小样本频率高于大样本的比例"])
        writer.writerow([10000, round(test_result, 4)])
    print(f"结果已保存到marble_test_results.csv，比例为{test_result:.4f}")

三、关键细节说明 #

• 内存优化：去掉了10000元素的列表，直接生成样本，内存占用从几MB降到几乎可以忽略，适合大规模试验。
• 函数灵活性：你可以修改num_trials参数调整试验次数，次数越多结果越接近真实概率；如果要统计其他事件（比如蓝色频率、特定红蓝组合），改get_frequency或者判断条件就行。
• CSV保存：用Python内置的csv模块，不用装额外依赖，生成的CSV可以直接用Excel或表格软件打开查看。

内容的提问来源于stack exchange，提问作者Astronaut