微信抢红包小技巧（python模拟100万次）

淩亂°似流年 2022-11-26 04:56 169阅读 0赞

之前，在网上看到一篇文章，说**多人抢红包时，微信红包金额的分配规则是0.01元到当前剩余金额平均数的2倍**（最后一个人金额为当前剩下的所有金额），所以写了一个python程序，模拟量一百万次，分析了一下抢微信红包的小技巧。  
（所有结论都基于某篇文章所说的微信红包金额的分配规则，如果实际规则不是这样，那么以下分析就都是错的）  
假设金额50元，有5个人抢，那么计算可得：  
第1个人抢，他的金额区间就是\[0.01,20\]（50除以5乘以2）  
第2个人抢，他的金额区间就是\[0.01,24.99\]  
第3个人抢，他的金额区间就是\[0.01,33.32\]  
第4个人抢，他的金额区间就是\[0.01,49.97\]  
第5个人抢，他的金额区间就是\[0.01,49.96\]  
**可以看到：越往后抢的，理论上能拿到的红包上限越高（虽然可能性很小，但理论上运气好还是能拿到的）**  
那是不是越往后拿的红包就普遍更大呢？？？  
并不是！！！***理论上限高，不代表平均值更大***，通过100万次模拟数据统计加以分析，可以得到5人按先后顺序得到手气王的可能性分别为0.22, 0.2, 0.2, 0.19, 0.19,即**在人数较少时，先抢后抢差异不大。**，（但是当人数较多时，比如几十个人，则后抢手气最佳的可能性更大）  
**运行结果如下图：**

***********************
    第1个人
    max:20.00 min:0.01
    average:10.01
    ***********************
    第2个人
    max:24.99 min:0.01
    average:10.00
    ***********************
    第3个人
    max:32.92 min:0.01
    average:10.00
    ***********************
    第4个人
    max:47.88 min:0.01
    average:10.00
    ***********************
    第5个人
    max:47.39 min:0.01
    average:9.99
    手气最佳概率分布: [0.22, 0.2, 0.2, 0.19, 0.19]

附上代码，大家可以自己运行一次试试。

from random import randint,random,uniform
    import numpy as np 
    people = 5#人数
    times = 1000000#模拟次数
    luck = []
    for i in range(people):
        luck.append([])
    for i in range(times):
        money = 50
        for j in range(people):
            if(j == people - 1):#最后一个人金额即为当前剩下的所有金额
                packet = round(money,2)
            elif(money > 0.01):
                if(money - money/(people-j)*2 < 0.01*(people-j-1)):
                    packet = round(uniform(0.01,money/(people-j)*2 - 0.01*(people-j-1)),2)
                    #不能提前抢光红包
                else:
                    packet = round(uniform(0.01,money/(people-j)*2),2)
            else:
                packet = 0.01
            luck[j].append(packet)
            money = money - packet
    #print(luck)
    for i in range(people):
        print('***********************')
        print('第{}个人'.format(i+1))
        print('max:%.2f'%max(luck[i]),'min:%.2f'%min(luck[i]))
        #print('min:%.2f'%min(luck[i]))
        print('average:%.2f'%np.mean(luck[i]))
    
    most_luck = [0]*people
    matrix = np.array(luck).T
    for i in range(times):
        a = list(matrix[i])
        position = a.index(max(a))
        most_luck[position] = most_luck[position] + 1
    for i in range(people):
        most_luck[i] = round(most_luck[i]/times,2)
    print(most_luck)

## 总结如下： ##

**1.先抢不可能有大红包，后抢可能有大额红包**  
**2.人少时，手机最佳的可能性均等；人多时，后抢手气最佳的可能性更大**  
（但这并不意味着后抢更好，毕竟后抢有可能抢不到！！！）