如何用Python复现R语言实现的掷骰子概率计算代码

问题说明 #

当前目标为使用Python复现《Bayesian Statistics The Fun Way》中的概率求解案例，待求解问题为：

投掷3枚六面骰子，点数总和大于7的概率为多少？

原书参考结果存在一处笔误：标注总共有218种可能结果，实际3枚六面骰子的有序排列总数为6*6*6=216种，其中点数和大于7的结果共181种的结论是正确的。

原书R实现参考 #

原书采用三层嵌套循环遍历所有骰子组合、逐组判断计数的逻辑实现计算，对应R代码如下：

count <- 0
for (roll1 in c(1:6){
   for(roll2 in c(1:6){
       for(roll3 in c(1:6){
            count <- count + ifelse(roll1+roll2+roll3 > 7, 1, 0)
    }
  }
}

Python实现思路提示 #

不需要刻意使用元组、集合等复杂数据结构，直接对齐原书的朴素实现逻辑拆解步骤即可，避免不必要的逻辑混乱：

• 首先初始化计数变量，初始值设为0，和R代码中count <- 0的作用一致
• 三层遍历分别对应三枚骰子的点数：Python中生成1-6的整数序列可以用range(1, 7)，三层嵌套循环即可覆盖所有216种有序点数组合
• 逐组做条件判断：每遍历到一组三个点数，计算三者之和，若和大于7则给计数变量加1，对应R代码中ifelse的判断计数逻辑
• 所有循环执行完成后，计数变量存储的就是满足点数和大于7的组合总数，除以总组合数216即可得到最终概率

补充说明：此前考虑的元组列表转集合的方案，本质是先全量存储所有组合再做统计，对于这个计算量级属于冗余操作，直接按遍历计数的逻辑写，和原书思路对齐，更不容易出错。

内容的提问来源于stack exchange，提问作者elksie5000