模拟多次随机行走

一次随机行走只能说明一件事，但这并不能判断您赢下赌注的把握有多大。

为了估计走到 60 步的概率，您可以反复模拟随机行走并收集结果。本练习将带您完成这一过程。

示例代码已经为您指明了方向：在您之前写的代码外又包了一层 for 循环。需要您补充一些代码，确保所有结果都被正确记录。

注意：不要更改给定的 all_walks 初始化方式。在列表中设置任何数值都会导致练习崩溃！

本练习是课程的一部分

Python 中级

查看课程

练习说明

补全 for 循环的范围设定，使随机行走被模拟 5 次。
当 random_walk 数组完全填充后，将该数组追加到 all_walks 列表中。
最后，在最外层的 for 循环之后，打印 all_walks。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# NumPy is imported; seed is set

# Initialize all_walks (don't change this line)
all_walks = []

# Simulate random walk five times
for i in ___ :

    # Code from before
    random_walk = [0]
    for x in range(100) :
        step = random_walk[-1]
        dice = np.random.randint(1,7)

        if dice <= 2:
            step = max(0, step - 1)
        elif dice <= 5:
            step = step + 1
        else:
            step = step + np.random.randint(1,7)
        random_walk.append(step)

    # Append random_walk to all_walks
    ___

# Print all_walks
___

编辑并运行代码