为何我的蒙提霍尔问题模拟实现得出50%的概率？

你的代码核心问题出在切换门的逻辑上，导致有时候看似"换门"，实际又换回了最初选择的门，最终拉平了胜率到50%。

具体bug点 #

你用这段代码来切换到另一扇门：

for k in doors:
    if k != choice:
        choice = k

当doors里只剩两扇门时，字典的遍历顺序（在Python 3.7之前是无序的，即使3.7+是插入有序，也可能出现遍历顺序覆盖的情况）会导致：

• 假设最初选择的门是1，剩下的门是1和3
• 如果遍历顺序先到3，choice会被改成3
• 接着遍历到1，此时1 != 3，choice又被改回1
  最终相当于没换门！这种情况随机发生，直接把胜率拉到了50%。

修复方案 #

替换掉遍历字典的换门逻辑，直接定位到另一扇门即可。比如用生成器表达式快速获取目标门：

# 替换原来的for循环
new_choice = next(k for k in doors if k != choice)
choice = new_choice

或者把字典的键转成列表后直接取另一个元素：

door_keys = list(doors.keys())
choice = door_keys[0] if door_keys[1] == choice else door_keys[1]

额外优化点 #

你删除门的逻辑可以更高效：每次随机选门可能会重复选到已经删除的门，不如直接筛选出所有可以打开的门（不是用户选择、也没有车的门），再随机选一个删除：

# 导入random模块（比randint更灵活）
import random

# ...其他代码不变...

while len(doors) > 2:
    # 直接筛选出所有符合主持人打开条件的门
    possible_reveals = [door for door in doors if door != choice and doors[door] == "Donkey"]
    reveal = random.choice(possible_reveals)
    del doors[reveal]

修复后的完整代码 #

import random

num_of_doors = 3
num_of_simulations = 0
wins = 0

while True:
    num_of_simulations += 1
    # 初始化所有门为驴
    doors = {k: "Donkey" for k in range(1, num_of_doors + 1)}
    # 随机放车
    car_door = random.randint(1, num_of_doors)
    doors[car_door] = "Car"
    # 参赛者随机选门
    choice = random.randint(1, num_of_doors)
    
    # 主持人打开多余的门，直到只剩2扇
    while len(doors) > 2:
        possible_reveals = [door for door in doors if door != choice and doors[door] == "Donkey"]
        reveal = random.choice(possible_reveals)
        del doors[reveal]
    
    # 切换到另一扇门
    new_choice = next(k for k in doors if k != choice)
    choice = new_choice
    
    # 统计获胜次数
    if doors[choice] == "Car":
        wins += 1
    
    # 打印当前胜率
    print(f"当前胜率: {100 * wins / num_of_simulations:.2f}%")

运行这段代码，你会发现胜率逐渐趋近于2/3（约66.67%），符合蒙提霍尔问题的结论。

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