Pandas实现抽卡概率模拟结果异常的问题排查

对比正确的循环逻辑，你的Pandas版本存在3个直接导致结果严重偏差的问题：

• 闭区间切片重叠，触发布尔值二次比较，逻辑完全错乱
  Pandas的.loc是左闭右闭的区间切片，你写的df.loc[:100, :]实际覆盖索引0到100的101行，df.loc[100:, :]又从索引100开始覆盖到最后一行，两个切片在索引100的位置完全重叠。
  执行第一步赋值后，索引0到100的所有随机浮点数已经被替换成了布尔值；执行第二步赋值时，索引100的位置已经没有原始随机浮点数了，Python会自动把布尔值按数值规则比较：True等价于1，False等价于0。这就导致索引100位置的判断完全失真：原本99.5%概率为True（没中）的位置，经过<=0.99的比较后，99.5%会变成False（代表中了）。因为这个位置每一列有99.5%的概率触发“中了”的判断，最终统计出来的抽中率自然接近100%。
• 区间划分和理论模型不匹配
  你的理论没中概率是0.995^100 * 0.99^99，对应需要100次0.5%概率的抽取、99次1%概率的抽取，总计199次。按你原来的切片，重叠部分的计算逻辑已经完全失效，和原始概率模型没有任何对应关系。
• 统计方向容易搞反
  你定义“False代表抽中、True代表没中”，而df.all(axis=0)（默认参数）会对每一列判断：如果列内所有值都是True（199抽全没中），返回True；只要有一个False（抽中），返回False。最终的抽中率应该是「返回False的列数 / 总模拟数」，不要直接把Counter的统计结果搞反方向。

num_simulations = 1000
# 199行对应1-199抽，1000列对应模拟次数
df = pd.DataFrame(np.random.rand(199, num_simulations))
# 无重叠切片划分区间：前100行（索引0-99）对应0.5%概率阶段
df.loc[:99, :] = df.loc[:99, :] <= 0.995
# 后99行（索引100-198）对应1%概率阶段
df.loc[100:, :] = df.loc[100:, :] <= 0.99
# 计算每一列是否199抽全没中
all_miss = df.all()
# 抽中率 = 1 - 全没中的比例
success_rate = 1 - all_miss.mean()

内容的提问来源于stack exchange，提问作者Dan Tang