Lab 6: 世界杯 - CS50x 2023
编写一个程序来模拟 FIFA 世界杯。
$ python tournament.py 2018m.csv
比利时: 20.9% 的胜率
巴西: 20.3% 的胜率
葡萄牙: 14.5% 的胜率
西班牙: 13.6% 的胜率
瑞士: 10.5% 的胜率
阿根廷: 6.5% 的胜率
英格兰: 3.7% 的胜率
法国: 3.3% 的胜率
丹麦: 2.2% 的胜率
克罗地亚: 2.0% 的胜率
哥伦比亚: 1.8% 的胜率
瑞典: 0.5% 的胜率
乌拉圭: 0.1% 的胜率
墨西哥: 0.1% 的胜率
背景
世界杯足球赛的淘汰赛阶段由 16 支球队组成。每一轮，两支球队捉对厮杀，败者淘汰。胜者即为冠军。
在足球运动中，球队拥有 FIFA 排名，这些排名是代表每支球队相对技能水平的数值。较高的 FIFA 排名表明之前比赛结果更好，根据两支球队的 FIFA 排名，可以估算出各自的胜率。2018 年 5 月男子 FIFA 排名 和 2019 年 3 月女子 FIFA 排名 提供了之前两届世界杯的 FIFA 排名。
有了这些信息，我们可以通过不断模拟比赛，直到决出冠军。如果想评估某支球队夺冠的可能性，可以进行多次模拟（例如 1000 次），统计每支球队的夺冠次数。1000 次模拟似乎很多，但凭借当今的计算能力，我们可以在几毫秒内完成这些模拟。在本次实验中，我们将探讨在考虑运行时间的情况下，增加模拟次数的价值。
你的任务是使用 Python 实现这个模拟！
开始
打开 VS Code。
首先，点击终端窗口，然后执行 cd 命令。你应该会看到类似下面的提示符。
点击该终端窗口，然后执行
wget https://cdn.cs50.net/2022/fall/labs/6/world-cup.zip
然后按回车键，下载名为 world-cup.zip 的压缩包到你的 codespace。请注意 wget 命令和 URL 之间的空格，以及其他任何字符的正确性！
现在执行
来创建一个名为 world-cup 的文件夹。下载完成后，你可以执行
在提示符后输入 y 并按回车键，删除下载的压缩包。
现在输入
然后按回车键进入该目录。你的提示符现在应该类似于下面。
如果一切顺利，你应该执行
你应该看到以下文件：
answers.txt 2018m.csv 2019w.csv tournament.py
如果遇到问题，请重复以上步骤，检查是否有遗漏或错误！
理解
首先，查看 2018m.csv 文件。此文件包含 2018 年男子世界杯淘汰赛中的 16 支球队以及每支球队的评分。注意，CSV文件包含两列，分别是team（代表球队名称）和rating（代表球队的评分）。
球队的排列顺序决定了每轮比赛的对阵情况 (例如，在第一轮比赛中，乌拉圭将对阵葡萄牙，法国将对阵阿根廷；在下一轮比赛中，乌拉圭-葡萄牙比赛的胜者将对阵法国-阿根廷比赛的胜者)。所以，千万不要修改这个文件中球队的排列顺序！
最后，在Python中，我们可以用一个包含两个值的字典来表示每支球队：球队名称和评分。例如，乌拉圭在 Python 中可以表示为 {"team": "Uruguay", "rating": 976}。
接下来，看看2019w.csv，它包含了2019年女子世界杯的类似数据。
现在，打开 tournament.py，你会发现我们已经预先写好了一些代码。顶部的变量N代表世界杯模拟的运行次数，这里设置为1000次。
simulate_game 函数接受两支球队作为输入（记住，每支球队都是一个包含球队名称和评分的字典），并模拟它们之间的一场比赛。如果第一支球队获胜，该函数返回 True；否则，该函数返回 False。
simulate_round 函数接受一个球队列表（在一个名为 teams 的变量中）作为输入，并模拟每对球队之间的比赛。然后，该函数返回一个包含所有赢得该轮比赛的球队的列表。
在 main 函数中，请注意我们首先确保 len(sys.argv)（命令行参数的数量）为 2。我们将使用命令行参数来告诉 Python 使用哪个球队 CSV 文件来运行锦标赛模拟。然后，我们定义了一个名为 teams 的列表（最终将是一个球队列表）和一个名为 counts 的字典（它将球队名称与该球队赢得模拟锦标赛的次数相关联）。现在它们都是空的，剩下的就靠你了！
最后，在 main 的末尾，根据counts中记录的模拟比赛获胜次数，对球队进行降序排列，并打印每支球队赢得世界杯的估计概率。
填充 teams 和 counts 以及编写 simulate_tournament 函数的任务就交给你了！
实现细节
完成 tournament.py 的实现，使其模拟多次锦标赛并输出每支球队的获胜概率。
首先，在 main 中，从 CSV 文件中读取球队数据到程序的内存中，并将每支球队添加到列表 teams 中。
- 要使用的文件名会通过命令行参数传入，你可以用
sys.argv[1]来获取。 - 记住，你可以使用
open(filename)来打开文件，这里的filename是文件名变量。 - 拿到文件对象
f后，你可以使用csv.DictReader(f)创建一个读取器，它可以逐行读取CSV文件，并将每行数据解析为一个字典。 - 注意，从文件中读取的值默认是字符串类型，所以需要先把球队的
rating用int()函数转换成整数。 - 最后，使用
teams.append(x)将每支球队的字典添加到teams列表中。 - 记住，每支球队都应该是一个包含
team名称和rating的字典。
接下来，实现 simulate_tournament 函数。这个函数接收一个队伍列表作为输入，并重复模拟比赛，直到只剩下一支队伍。然后，返回这支队伍的名称。
- 你可以调用
simulate_round函数来模拟单轮比赛。这个函数接收一个队伍列表作为输入，并返回所有获胜队伍的列表。 - 记住，如果
x是一个列表，你可以使用len(x)来获取列表的长度。 - 你不应该假设比赛队伍的数量，但可以假设队伍数量是2的幂。
最后，回到 main 函数中，运行 N 次比赛模拟，并记录每个队伍在 counts 字典中的获胜次数。
- 举例来说，如果乌拉圭赢了 2 次，葡萄牙赢了 3 次，那么你的
counts字典应该会是{"Uruguay": 2, "Portugal": 3}。 - 你应该使用
simulate_tournament函数来模拟每场比赛，并确定获胜队伍。 - 记住，如果
counts是一个字典，那么counts[team_name] = x这样的语法会将team_name这个键对应的值设为x。 - 你可以使用 Python 的
in关键字来检查字典是否已经包含某个键。例如，if "Portugal" in counts:会检查counts字典里是否已经有"Portugal"这个键。
演示
提示
在读取文件时，你可能会发现以下语法很有用，其中
filename是你的文件名，file是一个变量。with open(filename) as file:
reader = csv.DictReader(file)在 Python 中，要附加到列表的末尾，请使用
.append()函数。
不知道怎么做？
测试
你的程序应按照以下示例运行。由于模拟具有各自的随机性，因此你的输出可能与以下示例并不完全匹配。
$ python tournament.py 2018m.csv
Belgium: 20.9% chance of winning
Brazil: 20.3% chance of winning
Portugal: 14.5% chance of winning
Spain: 13.6% chance of winning
Switzerland: 10.5% chance of winning
Argentina: 6.5% chance of winning
England: 3.7% chance of winning
France: 3.3% chance of winning
Denmark: 2.2% chance of winning
Croatia: 2.0% chance of winning
Colombia: 1.8% chance of winning
Sweden: 0.5% chance of winning
Uruguay: 0.1% chance of winning
Mexico: 0.1% chance of winning
$ python tournament.py 2019w.csv
Germany: 17.1% chance of winning
United States: 14.8% chance of winning
England: 14.0% chance of winning
France: 9.2% chance of winning
Canada: 8.5% chance of winning
Japan: 7.1% chance of winning
Australia: 6.8% chance of winning
Netherlands: 5.4% chance of winning
Sweden: 3.9% chance of winning
Italy: 3.0% chance of winning
Norway: 2.9% chance of winning
Brazil: 2.9% chance of winning
Spain: 2.2% chance of winning
China PR: 2.1% chance of winning
Nigeria: 0.1% chance of winning
- 你可能好奇2018年和2019年世界杯的实际结果是什么！男子组是法国队夺冠，决赛击败了克罗地亚队。比利时队战胜英格兰队，获得第三名。女子组则是美国队夺冠，决赛击败荷兰队。英格兰队击败瑞典队，名列第三。
模拟次数
确认代码无误后，我们来调整文件顶部的常量 N，以改变模拟运行的次数。增加模拟次数能提高预测的准确性（原因是什么呢？），但同时也会增加运行时间。
我们可以使用 time 命令来测量程序的运行时间。例如，将 N 设置为 1000（默认值），执行
time python tournament.py 2018m.csv
或者
time python tournament.py 2019w.csv
应该输出类似以下内容：
real 0m0.037s
user 0m0.028s
sys 0m0.008s
虽然你自己的时间可能会有所不同。
注意 real 指标，它表示 tournament.py 运行的实际总时间。请注意，给出的时间单位是分钟和秒，精确到千分之一秒。
在 answers.txt 中，记录 tournament.py 模拟以下次数所花费的时间：
- 10 (十) 次
- 100 (一百) 次
- 1000 (一千) 次
- 10000 (一万) 次
- 100000 (十万) 次
- 1000000 (一百万) 次
每次调整 N 时，使用相同的 0m0.000s 格式，将 real 时间记录在 answers.txt 中相应的 TODO 中。在对每种情况进行计时后，通过覆盖给定的 TODO 来回答以下两个后续问题：
- 当你增加模拟次数时，哪些预测（如果有）被证明是不正确的？
- 假设程序运行时间按秒收费，你认为模拟多少次后，预测结果就“足够好”了？
查看格式正确的 answers.txt
Times:
10 simulations: 0m0.028s
100 simulations: 0m0.030s
1000 simulations: 0m0.041s
10000 simulations: 0m0.139s
100000 simulations: 0m1.031s
1000000 simulations: 0m11.961s
Questions:
Which predictions, if any, proved incorrect as you increased the number of simulations?:
在少量模拟次数下...
Suppose you're charged a fee for each second of compute time your program uses.
After how many simulations would you call the predictions "good enough"?:
看起来大约在...次模拟后，预测结果趋于稳定。
如何测试你的代码
执行以下命令，使用 check50 评估你的代码的正确性。但请务必自己编译并测试它！
check50 cs50/labs/2023/x/worldcup
执行以下命令，使用 style50 评估你的代码的风格。
如何提交
在你的终端中，执行以下命令来提交你的工作。
submit50 cs50/labs/2023/x/worldcup