醉汉随机行走图Python完整代码

醉汉随机行走图（Drunkard's Walk）是一个经典的概率和随机过程模型，通常用于模拟人在酒后随机移动的情况。在Python中，我们可以使用简单的随机数生成来实现这个概念。以下是一个基本的Python代码示例，使用了`random`模块来模拟这个过程：

import random
import matplotlib.pyplot as plt
import numpy as np

# 初始化参数
n_steps = 1000  # 步数
n_trials = 100  # 实验次数
x_axis = np.arange(-10, 11)  # x轴范围

# 定义醉汉行走函数
def drunkard_walk(steps):
    position = 0
    for _ in range(steps):
        direction = random.choice([-1, 1])  # 随机选择左或右
        position += direction  # 更新位置
    return position

# 进行多次实验并绘制结果
mean_positions = []
for _ in range(n_trials):
    positions = [drunkard_walk(n_steps) for _ in range(n_trials)]  # 多次行走
    mean_positions.append(np.mean(positions))

plt.hist(mean_positions, bins=x_axis, edgecolor='black')
plt.xlabel('位置')
plt.ylabel('频率')
plt.title('醉汉随机行走图')
plt.show()

这段代码首先定义了醉汉行走的步数、实验次数以及x轴的范围。然后，`drunkard_walk`函数模拟每次行走的过程，每次都随机决定是向左还是向右移动一步。最后，进行多次实验，计算平均位置，并用直方图展示结果。