社會財富分配問題模擬 一個財富分配游戲： 房間里有100個人，每人都有100元錢，他們在玩一個游戲。每輪游戲中，每個人都要拿出一元錢隨機給另一個人，最后這100個人的財富分布是怎樣的？ 研究問題： 1、財富分配模型 模型假設： ① 每個人初始基金100元 ② 從18歲到65歲，每天玩一次，簡化運算按照一共玩17000輪 ③ 每天拿出一元錢，並且隨機分配給另一個人 ④ 當某人的財富值降到0元時，他在該輪無需拿出1元錢給別人，但仍然有機會得到別人給出的錢 要求： ① 構建模型模擬（這里需要跑17000輪） ② 繪制柱狀圖，查看該輪財富情況 ** 橫軸標簽代表一個玩家的編號，柱子的高低變動反映該玩家財富值的變化 ** 制圖分兩個情況繪制：不排序繪制、每輪按照財富值排序繪制 ** 前100輪，按照每10輪繪制一次柱狀圖，查看財富變化情況 ** 100至1000輪，按照每100輪繪制一次柱狀圖，查看財富變化情況 ** 1000至17000輪，按照每400輪繪制一次柱狀圖，查看財富變化情況 ③ 查看最后財富分配數據是什么分布？ ④ 最富有的人相比於初始財富，翻了多少倍？ ⑤ 10%的人掌握着多少的財富？30%的人掌握着多少的財富？又有百分之多少人財富縮水至100元以下了？ 提示： ① 首先，模擬第一輪游戲分配，不考慮某人財富值降到0元的情況 ② 其次，仍然模擬第一輪游戲分配，但考慮某人的財富值降到0元時的情況 ③ 構建模型 ④ 運行模型，先試運行100條/1000條，再運行17000 ⑤ 制圖 2、在允許借貸情況下，研究以下問題 和初始模型的區別： 允許借貸意味着可以找親友、銀行、投資人借貸 → 資產為負時，仍然參與游戲 要求： ① 構建模型模擬，再次模擬財富分配情況 ** 最富有的人相比於初始財富，翻了多少倍？ ** 10%的人掌握着多少的財富？30%的人掌握着多少的財富？又有百分之多少人財富縮水至100元以下了？ ② 繪制柱狀圖，查看該輪財富情況 ** 橫軸標簽代表一個玩家的編號，柱子的高低變動反映該玩家財富值的變化 ** 這里只需要每輪按照財富值排序繪制 ** 前100輪，按照每10輪繪制一次柱狀圖，查看財富變化情況 ** 100至1000輪，按照每100輪繪制一次柱狀圖，查看財富變化情況 ** 1000至17000輪，按照每400輪繪制一次柱狀圖，查看財富變化情況 ③ 游戲次數與財富分布的標准差的情況，繪圖來表示 ** 這里用允許借貸情況下模擬的結果 ** 橫坐標為游戲次數（總共17000次），縱坐標為財富分配標准差 ** 繪制折線圖 ④ 玩家從18歲開始，在經過17年后為35歲，這個期間共進行游戲6200次左右，則此刻查看財富情況，將財富值為負的標記成“破產”，通過圖表研究 該類玩家在今后的游戲中能否成功“逆襲”（財富值從負到正為逆襲）、 ** 這里繪制柱狀圖 → 6200至17000輪，按照每500輪繪制一次柱狀圖 提示： ① 該模型只需要將初始模型中，“財富小於零時無需拿錢給別人”的條件刪掉即可 ② 最后繪制柱狀圖時，需要將負債的玩家標紅，這里可以通過截取dataframe之后，給與color字段來設置顏色 3、努力的人生會更好嗎？ 模型假設： ① 每個人初始基金仍為100元 ② 一共玩17000輪 ③ 每天拿出一元錢，並且隨機分配給另一個人 ④ 有10個人加倍努力，從而獲得了1%的競爭優勢 ⑤ 允許借貸 允許借貸意味着可以找親友、銀行、投資人借貸 → 資產為負時，仍然參與游戲 要求： ① 構建模型模擬，再次模擬財富分配情況 ② 努力的人，最后是否富有？ ③ 繪制柱狀圖，查看該輪財富情況 ** 橫軸標簽代表一個玩家的編號，柱子的高低變動反映該玩家財富值的變化 ** 這里只需要每輪按照財富值排序繪制 ** 前100輪，按照每10輪繪制一次柱狀圖，查看財富變化情況 ** 100至1000輪，按照每100輪繪制一次柱狀圖，查看財富變化情況 ** 1000至17000輪，按照每400輪繪制一次柱狀圖，查看財富變化情況 提示： ① 這里設置的10個人id分別為：[1,11,21,31,41,51,61,71,81,91] ② np.random.choice(person_n, p =[...]) → 這里通過設置p來修改概率：努力的10人概率為（1/100.1*1.01），其他人概率為（1/100.1）
import numpy as np import pandas as pd import matplotlib.pyplot as plt import os import warnings warnings.filterwarnings('ignore') # 不發出警告 import time # 導入時間模塊
一個財富分配游戲： 房間里有100個人，每人都有100元錢，他們在玩一個游戲。每輪游戲中，每個人都要拿出一元錢隨機給另一個人，最后這100個人的財富分布是怎樣的？ 1、財富分配模型 模型假設： ① 每個人初始基金100元 ② 從18歲到65歲，每天玩一次，簡化運算按照一共玩17000輪 ③ 每天拿出一元錢，並且隨機分配給另一個人 ④ 當某人的財富值降到0元時，他在該輪無需拿出1元錢給別人，但仍然有機會得到別人給出的錢 要求： ① 構建模型模擬（這里需要跑17000輪） ② 繪制柱狀圖，查看該輪財富情況 ** 橫軸標簽代表一個玩家的編號，柱子的高低變動反映該玩家財富值的變化 ** 制圖分兩個情況繪制：不排序繪制、每輪按照財富值排序繪制 ** 前100輪，按照每10輪繪制一次柱狀圖，查看財富變化情況 ** 100至1000輪，按照每100輪繪制一次柱狀圖，查看財富變化情況 ** 1000至17000輪，按照每400輪繪制一次柱狀圖，查看財富變化情況 ③ 查看最后財富分配數據是什么分布？ ④ 最富有的人相比於初始財富，翻了多少倍？ ⑤ 10%的人掌握着多少的財富？30%的人掌握着多少的財富？又有百分之多少人財富縮水至100元以下了？ 提示： ① 首先，模擬第一輪游戲分配，不考慮某人財富值降到0元的情況 ② 其次，仍然模擬第一輪游戲分配，但考慮某人的財富值降到0元時的情況 ③ 構建模型 ④ 運行模型，先試運行100條/1000條，再運行17000 ⑤ 制圖
# 1、財富分配模型測試 # 模型假設： # ① 每個人初始基金100元 # ② 從18歲到65歲，每天玩一次，簡化運算按照一共玩17000天 # ③ 每天拿出一元錢，並且隨機分配給另一個人 # ④ 當某人的財富值降到0元時，他在該輪無需拿出1元錢給別人，但仍然有機會得到別人給出的錢 # （1） 模擬第一輪游戲分配 # 先不考慮某人財富值降到0元的情況 person_n = [x for x in range(1,101)] fortune = pd.DataFrame([100 for i in range(100)], index = person_n) fortune.index.name = 'id' # 設定初始參數：游戲玩家100人，起始資金100元 round_r1 = pd.DataFrame({'pre_round':fortune[0],'lost':1}) # 設定第一輪分配財富之前的情況 choice_r1 = pd.Series(np.random.choice(person_n,100)) gain_r1 = pd.DataFrame({'gain':choice_r1.value_counts()}) # 這一輪中每個人隨機指定給“誰”1元錢，並匯總這一輪每個人的盈利情況 round_r1 = round_r1.join(gain_r1) round_r1.fillna(0,inplace = True) fortune[1] = round_r1['pre_round'] - round_r1['lost'] + round_r1['gain'] # 合並數據，得到這一輪每個人“盈虧”多少錢 → 得到這一輪財富分配的結果 fortune.head()
# （2） 模擬第一輪游戲分配 # 考慮情況：當某人的財富值降到0元時，他在該輪無需拿出1元錢給別人，但仍然有機會得到別人給出的錢 person_n = [x for x in range(1,101)] fortune = pd.DataFrame([100 for i in range(100)], index = person_n) fortune.index.name = 'id' # 設定初始參數：游戲玩家100人，起始資金100元 round_r1 = pd.DataFrame({'pre_round':fortune[0],'lost':0}) round_r1['lost'][round_r1['pre_round'] > 0] = 1 # 設定第一輪分配財富之前的情況 → 該輪財富值為0的不需要拿錢給別人 round_players = round_r1[round_r1['pre_round'] > 0] # 篩選出參與游戲的玩家：財富值>0 choice_r1 = pd.Series(np.random.choice(person_n,len(round_players))) gain_r1 = pd.DataFrame({'gain':choice_r1.value_counts()}) # 這一輪中每個人隨機指定給“誰”1元錢，並匯總這一輪每個人的盈利情況 round_r1 = round_r1.join(gain_r1) round_r1.fillna(0,inplace = True) fortune[1] = round_r1['pre_round'] - round_r1['lost'] + round_r1['gain'] # 合並數據，得到這一輪財富分配的結果 fortune.head()
# （3）構建函數模型 # 這里注意：當某人的財富值降到0元時，他在該輪無需拿出1元錢給別人，但仍然有機會得到別人給出的錢 def game1(data, roundi): if len(data[data[roundi - 1] ==0]) > 0: # 當數據包含財富值為0的玩家時 round_i = pd.DataFrame({'pre_round':data[roundi-1],'lost':0}) con = round_i['pre_round'] > 0 round_i['lost'][con] = 1 # 設定每輪分配財富之前的情況 → 該輪財富值為0的不需要拿錢給別人 round_players_i = round_i[con] # 篩選出參與游戲的玩家：財富值>0 choice_i = pd.Series(np.random.choice(person_n,len(round_players_i))) gain_i = pd.DataFrame({'gain':choice_i.value_counts()}) # 這一輪中每個人隨機指定給“誰”1元錢，並匯總這一輪每個人的盈利情況 round_i = round_i.join(gain_i) round_i.fillna(0,inplace = True) return round_i['pre_round'] - round_i['lost'] + round_i['gain'] # 合並數據，得到這一輪財富分配的結果 else: # 當數據不包含財富值為0的玩家時 round_i = pd.DataFrame({'pre_round':data[roundi-1],'lost':1}) # 設定每輪分配財富之前的情況 choice_i = pd.Series(np.random.choice(person_n,100)) gain_i = pd.DataFrame({'gain':choice_i.value_counts()}) # 這一輪中每個人隨機指定給“誰”1元錢，並匯總這一輪每個人的盈利情況 round_i = round_i.join(gain_i) round_i.fillna(0,inplace = True) return round_i['pre_round'] - round_i['lost'] + round_i['gain'] # 合並數據，得到這一輪財富分配的結果 print('finished!')
# （4）運行模型，模擬財富分配 person_n = [x for x in range(1,101)] fortune = pd.DataFrame([100 for i in range(100)], index = person_n) fortune.index.name = 'id' # 設定初始參數：游戲玩家100人，起始資金100元 starttime = time.time() # 模型開始時間 for round in range(1,17001): fortune[round] = game1(fortune,round) # 進行17000輪隨機分配模擬 game1_result = fortune.T # 轉置后得到結果數據 → 列為每一個人的id，行為每一輪的財富分配結果 endtime = time.time() # 模型結束時間 print('模型總共用時%i秒' % (endtime - starttime)) # 計算時間 game1_result.tail() # 查看最后5條數據
# （5）繪制柱狀圖 # ** 前100輪，按照每10輪繪制一次柱狀圖，查看財富變化情況 # ** 100至1000輪，按照每100輪繪制一次柱狀圖，查看財富變化情況 # ** 1000至17000輪，按照每400輪繪制一次柱狀圖，查看財富變化情況 # ① 不排序繪制 os.chdir('C:\\Users\\Hjx\\Desktop\\項目13社會財富分配問題模擬\\財富分配模型_初始模型_不排序繪制\\') def graph1(data,start,end,length): for n in list(range(start,end,length)): datai = data.iloc[n] plt.figure(figsize = (10,6)) plt.bar(datai.index,datai.values,color='gray',alpha = 0.8,width = 0.9) plt.ylim((0,400)) plt.xlim((-10,110)) plt.title('Round %d' % n) plt.xlabel('PlayerID') plt.ylabel('Fortune') plt.grid(color='gray', linestyle='--', linewidth=0.5) plt.savefig('graph1_round_%d.png' % n, dpi=200) # 創建繪圖函數1 graph1(game1_result,0,100,10) graph1(game1_result,100,1000,100) graph1(game1_result,1000,17400,400) print('finished!')
# 一些結論 round_17000_1 = pd.DataFrame({'money':game1_result.iloc[17000]}).sort_values(by = 'money',ascending = False).reset_index() round_17000_1['fortune_pre'] = round_17000_1['money'] / round_17000_1['money'].sum() round_17000_1['fortune_cumsum'] = round_17000_1['fortune_pre'].cumsum() round_17000_1.head() # 最后一輪中，最富有的人財富值為365元，相比於初始財富，翻了3.65倍 # 10%的人掌握着28%的財富，20%的人掌握着51%的財富？ # 60%的人財富縮水至100元以下了？
2、在允許借貸情況下，研究以下問題 和初始模型的區別： 允許借貸意味着可以找親友、銀行、投資人借貸 → 資產為負時，仍然參與游戲 要求： ① 構建模型模擬，再次模擬財富分配情況 ** 最富有的人相比於初始財富，翻了多少倍？ ** 10%的人掌握着多少的財富？30%的人掌握着多少的財富？又有百分之多少人財富縮水至100元以下了？ ② 繪制柱狀圖，查看該輪財富情況 ** 橫軸標簽代表一個玩家的編號，柱子的高低變動反映該玩家財富值的變化 ** 這里只需要每輪按照財富值排序繪制 ** 前100輪，按照每10輪繪制一次柱狀圖，查看財富變化情況 ** 100至1000輪，按照每100輪繪制一次柱狀圖，查看財富變化情況 ** 1000至17000輪，按照每400輪繪制一次柱狀圖，查看財富變化情況 ③ 游戲次數與財富分布的標准差的情況，繪圖來表示 ** 這里用允許借貸情況下模擬的結果 ** 橫坐標為游戲次數（總共17000次），縱坐標為財富分配標准差 ** 繪制折線圖 ④ 玩家從18歲開始，在經過17年后為35歲，這個期間共進行游戲6200次左右，則此刻查看財富情況，將財富值為負的標記成“破產”，通過圖表研究 該類玩家在今后的游戲中能否成功“逆襲”（財富值從負到正為逆襲）、 ** 這里繪制柱狀圖 → 6200至17000輪，按照每500輪繪制一次柱狀圖 提示： ① 該模型只需要將初始模型中，“財富小於零時無需拿錢給別人”的條件刪掉即可 ② 最后繪制柱狀圖時，需要將負債的玩家標紅，這里可以通過截取dataframe之后，給與color字段來設置顏色
（1）構建函數模型 # 這里注意：當某人的財富值降到0元時，他在該輪無需拿出1元錢給別人，但仍然有機會得到別人給出的錢 def game2(data, roundi): round_i = pd.DataFrame({'pre_round':data[roundi-1],'lost':1}) # 設定每輪分配財富之前的情況 choice_i = pd.Series(np.random.choice(person_n,100)) gain_i = pd.DataFrame({'gain':choice_i.value_counts()}) # 這一輪中每個人隨機指定給“誰”1元錢，並匯總這一輪每個人的盈利情況 round_i = round_i.join(gain_i) round_i.fillna(0,inplace = True) return round_i['pre_round'] - round_i['lost'] + round_i['gain'] # 合並數據，得到這一輪財富分配的結果 print('finished!')
# （2）運行模型，模擬財富分配 person_n = [x for x in range(1,101)] fortune = pd.DataFrame([100 for i in range(100)], index = person_n) fortune.index.name = 'id' # 設定初始參數：游戲玩家100人，起始資金100元 starttime = time.time() # 模型開始時間 for round in range(1,17001): fortune[round] = game2(fortune,round) # 進行17000輪隨機分配模擬 game2_result = fortune.T # 轉置后得到結果數據 → 列為每一個人的id，行為每一輪的財富分配結果 endtime = time.time() # 模型結束時間 print('模型總共用時%i秒' % (endtime - starttime)) # 計算時間 game2_result.tail() # 查看最后5條數據
# 一些結論 round_17000_2 = pd.DataFrame({'money':game2_result.iloc[17000]}).sort_values(by = 'money',ascending = False).reset_index() round_17000_2['fortune_pre'] = round_17000_2['money'] / round_17000_2['money'].sum() round_17000_2['fortune_cumsum'] = round_17000_2['fortune_pre'].cumsum() round_17000_2.head() # 最后一輪中，最富有的人財富值為458元，相比於初始財富，翻了4.58倍 # 10%的人掌握着33%的財富，20%的人掌握着59%的財富？ # 50%的人財富縮水至100元以下了？
# （3）游戲次數與財富分布的標准差的情況，繪圖來表示 os.chdir('C:\\Users\\Hjx\\Desktop\\項目13社會財富分配問題模擬\\財富分配模型_允許借貸\\') def graph3(data,start,end,length): for n in list(range(start,end,length)): datai = data.iloc[n].sort_values().reset_index()[n] plt.figure(figsize = (10,6)) plt.bar(datai.index,datai.values,color='gray',alpha = 0.8,width = 0.9) plt.grid(color='gray', linestyle='--', linewidth=0.5) plt.ylim((-200,400)) plt.xlim((-10,110)) plt.title('Round %d' % n) plt.xlabel('PlayerID') plt.ylabel('Fortune') plt.savefig('graph3_round_%d.png' % n, dpi=200) # 創建繪圖函數2 graph3(game2_result,0,100,10) graph3(game2_result,100,1000,100) graph3(game2_result,1000,17400,400) print('finished!')
# （4）游戲次數與財富分布的標准差的情況，繪圖來表示 game2_st = game2_result.std(axis = 1) game2_st.plot(figsize = (12,5),color = 'red',alpha = 0.6,grid = True) plt.show() # 游戲早期前2000輪的標准差變動最為激烈； # 而在6000-6500輪游戲后，標准差的變化趨於平緩，但仍在上升； # 按照我們設定的游戲與人生的對應規則，這時玩家年齡為35歲
# （5）玩家從18歲開始，在經過17年后為35歲，這個期間共進行游戲6200次左右，則此刻查看財富情況，將財富值為負的標記成“破產 # 通過圖表研究該類玩家在今后的游戲中能否成功“逆襲”（財富值從負到正為逆襲）、 # 這里繪制折線圖 game2_round6200 = pd.DataFrame({'money':game2_result.iloc[6200].sort_values().reset_index()[6200], 'id':game2_result.iloc[6200].sort_values().reset_index()['id'], 'color':'gray'}) game2_round6200['color'][game2_round6200['money'] < 0] = 'red' id_pc = game2_round6200['id'][game2_round6200['money'] < 0].tolist() print('財富值為負的玩家id為：\n',id_pc) # 篩選數據 # 設置顏色參數 plt.figure(figsize = (10,6)) plt.bar(game2_round6200.index,game2_round6200['money'],color = game2_round6200['color'],alpha = 0.8,width = 0.9) plt.grid(color='gray', linestyle='--', linewidth=0.5) plt.ylim((-200,400)) plt.xlim((-10,110)) plt.title('Round 6200') plt.xlabel('PlayerID') plt.ylabel('Fortune') plt.show() # 繪制柱狀圖
# 繪圖分析 os.chdir('C:\\Users\\Hjx\\Desktop\\項目13社會財富分配問題模擬\\財富分配模型_允許借貸_負債玩家逆襲\\') def graph4(data,start,end,length): for n in list(range(start,end,length)): datai = pd.DataFrame({'money':data.iloc[n],'color':'gray'}) datai['color'].loc[id_pc] = 'red' datai = datai.sort_values(by = 'money').reset_index() plt.figure(figsize = (10,6)) plt.bar(datai.index,datai['money'],color=datai['color'],alpha = 0.8,width = 0.9) plt.grid(color='gray', linestyle='--', linewidth=0.5) plt.ylim((-200,400)) plt.xlim((-10,110)) plt.title('Round %d' % n) plt.xlabel('PlayerID') plt.ylabel('Fortune') plt.savefig('graph4_round_%d.png' % n, dpi=200) # 創建繪圖函數2 graph4(game2_result,6200,17000,500) print('finished!') # 結論 # 以35歲為界，雖然破產以后，不足一半的概率回復到普通人的生活，但想要逆襲暴富，卻是相當困難的
3、努力的人生會更好嗎？ 模型假設： ① 每個人初始基金仍為100元 ② 一共玩17000輪 ③ 每天拿出一元錢，並且隨機分配給另一個人 ④ 有10個人加倍努力，從而獲得了1%的競爭優勢 ⑤ 允許借貸 允許借貸意味着可以找親友、銀行、投資人借貸 → 資產為負時，仍然參與游戲 要求： ① 構建模型模擬，再次模擬財富分配情況 ② 努力的人，最后是否富有？ ③ 繪制柱狀圖，查看該輪財富情況 ** 橫軸標簽代表一個玩家的編號，柱子的高低變動反映該玩家財富值的變化 ** 這里只需要每輪按照財富值排序繪制 ** 前100輪，按照每10輪繪制一次柱狀圖，查看財富變化情況 ** 100至1000輪，按照每100輪繪制一次柱狀圖，查看財富變化情況 ** 1000至17000輪，按照每400輪繪制一次柱狀圖，查看財富變化情況 提示： ① 這里設置的10個人id分別為：[1,11,21,31,41,51,61,71,81,91] ② np.random.choice(person_n, p =[...]) → 這里通過設置p來修改概率：努力的10人概率為0.0101，其他人概率為（0.899/90）
# （1）構建函數模型 # 這里注意：當某人的財富值降到0元時，他在該輪無需拿出1元錢給別人，但仍然有機會得到別人給出的錢 person_p = [0.899/90 for i in range(100)] for i in [1,11,21,31,41,51,61,71,81,91]: person_p[i-1] = 0.0101 # 設置概率 def game3(data, roundi): round_i = pd.DataFrame({'pre_round':data[roundi-1],'lost':1}) # 設定每輪分配財富之前的情況 choice_i = pd.Series(np.random.choice(person_n,100, p = person_p)) gain_i = pd.DataFrame({'gain':choice_i.value_counts()}) # 這一輪中每個人隨機指定給“誰”1元錢，並匯總這一輪每個人的盈利情況 round_i = round_i.join(gain_i) round_i.fillna(0,inplace = True) return round_i['pre_round'] - round_i['lost'] + round_i['gain'] # 合並數據，得到這一輪財富分配的結果 print('finished!')
# （2）運行模型，模擬財富分配 person_n = [x for x in range(1,101)] fortune = pd.DataFrame([100 for i in range(100)], index = person_n) fortune.index.name = 'id' # 設定初始參數：游戲玩家100人，起始資金100元 starttime = time.time() # 模型開始時間 for round in range(1,17001): fortune[round] = game3(fortune,round) # 進行17000輪隨機分配模擬 game3_result = fortune.T # 轉置后得到結果數據 → 列為每一個人的id，行為每一輪的財富分配結果 endtime = time.time() # 模型結束時間 print('模型總共用時%i秒' % (endtime - starttime)) # 計算時間 game3_result.tail() # 查看最后5條數據
# 繪圖分析 os.chdir('C:\\Users\\Hjx\\Desktop\\項目13社會財富分配問題模擬\\財富分配模型_努力人生\\') plt.figure(figsize = (10,6)) data0 = pd.DataFrame({'money':game3_result.iloc[0],'color':'gray'}) data0['color'].loc[[1,11,21,31,41,51,61,71,81,91]] = 'red' plt.bar(data0.index,data0['money'],color=data0['color'],alpha = 0.8,width = 0.9) plt.grid(color='gray', linestyle='--', linewidth=0.5) plt.ylim((-200,400)) plt.xlim((-10,110)) plt.title('Round %d' % 0) plt.xlabel('PlayerID') plt.ylabel('Fortune') plt.savefig('graph5_round_%d.png' % 0, dpi=200) # 繪制起始圖片 def graph5(data,start,end,length): for n in list(range(start,end,length)): datai = pd.DataFrame({'money':data.iloc[n],'color':'gray'}) datai['color'].loc[[1,11,21,31,41,51,61,71,81,91]] = 'red' datai = datai.sort_values(by = 'money').reset_index() plt.figure(figsize = (10,6)) plt.bar(datai.index,datai['money'],color=datai['color'],alpha = 0.8,width = 0.9) plt.grid(color='gray', linestyle='--', linewidth=0.5) plt.ylim((-200,400)) plt.xlim((-10,110)) plt.title('Round %d' % n) plt.xlabel('PlayerID') plt.ylabel('Fortune') plt.savefig('graph5_round_%d.png' % n, dpi=200) # 創建繪圖函數2 graph5(game3_result,10,100,10) graph5(game3_result,100,1000,100) graph5(game3_result,1000,17400,400) print('finished!') # 結論 # 社會財富的總體分布形態沒有什么變化 # 10位努力玩家中多位都進入了富人top20！