雙色球開獎結(jié)果的大數(shù)據(jù)分析與統(tǒng)計

正好手上有2003年-2024年所有雙色球中獎的記錄,用這20幾年的數(shù)據(jù)分析舰罚,然后來預(yù)測,應(yīng)該有一定的參考性薛耻。

聲明:本文主要目的為編程學(xué)習营罢,數(shù)據(jù)僅用來作為統(tǒng)計之用,且數(shù)據(jù)來源公開合法饼齿。本文無任何導(dǎo)向愤钾。個人看法僅供參考。

1候醒,準備數(shù)據(jù)。

首先杂瘸,我們需要采集公開的雙色球中獎記錄倒淫,我這里采集了2003-2025年所有的雙色球記錄,記錄如下:

接下來败玉,需要根據(jù)這些數(shù)據(jù)預(yù)處理敌土。

因為數(shù)據(jù)比較完善,所以基本上都是正確的运翼。

2返干,建立預(yù)測模型

將所有的數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)。

代碼如下:

import pandas as pd  
import matplotlib.pyplot as plt
from IPython.core.display import HTML

# 設(shè)置 Matplotlib 使用的中文字體
plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑體
plt.rcParams['axes.unicode_minus'] = False # 支持負號顯示
# 讀取數(shù)據(jù)
df = pd.read_csv('lottery_results_2003_2024.csv', encoding='gbk')

def collect_next_numbers(red_balls, blue_drum):
next_red_numbers = []
next_blue_numbers = []

# 遍歷數(shù)據(jù)血淌,查找符合條件的下一期號碼
for i in range(len(df) - 1):
current_reds = set(df.iloc[i][2:8]) # 當前紅球
current_blue = df.iloc[i, 8] # 當前藍球

# 如果當前紅球與輸入紅球有交集且當前藍球符合輸入值
if current_reds.intersection(red_balls) and current_blue == blue_drum:
next_reds = df.iloc[i + 1][2:8] # 下一期紅球
next_blue = df.iloc[i + 1, 8] # 下一期藍球
next_red_numbers.extend(next_reds)
next_blue_numbers.append(next_blue) # 注意矩欠,這里是單獨一個藍球

return next_red_numbers, next_blue_numbers

# 只判斷一個紅球時
def collect_next_numbers_one(red_ball):
next_red_numbers = []
next_blue_numbers = []

# 遍歷數(shù)據(jù),查找符合條件的下一期號碼
for i in range(len(df) - 1):
current_reds = set(df.iloc[i][2:8]) # 當前紅球


# 如果當前紅球與輸入紅球有交集且當前藍球符合輸入值
if red_ball in current_reds:
next_reds = df.iloc[i + 1][2:8] # 下一期紅球
next_red_numbers.extend(next_reds)

return next_red_numbers

def analyze_frequencies(numbers):
frequency = pd.Series(numbers).value_counts()
return frequency

# 輸入紅球和藍球
input_red_balls = [2, 3, 17, 18, 22, 33] # 示例輸入
input_blue_ball = 16 # 示例輸入


for i in input_red_balls:
next_red_numbers = collect_next_numbers_one(i)
# 統(tǒng)計紅球頻率
red_frequency = analyze_frequencies(next_red_numbers)
# 獲取紅球頻率最高和最低的前5個號碼
top_red_5 = red_frequency.nlargest(5)
#display(HTML(f'當紅球是:<span style="color: red;font-size:30px">{i}</span>時,下一次出現(xiàn)頻率最高的數(shù)字是:'))
# 將 Series 轉(zhuǎn)換為 DataFrame
top_red_5_df = top_red_5.reset_index()
top_red_5_df.columns = ['紅球號碼', '頻率'] # 重命名列

# 使用 HTML 格式化輸出
html_table = top_red_5_df.to_html(index=False, border=0, justify='center', classes='table table-bordered', escape=False)

# 添加自定義樣式
styled_html = f'''
<div style="margin: 0 auto; width: 50%; text-align: center;">
<h3>當紅球是<span style="color: red;font-size:30px">{i}</span>時,下一次紅球前5頻率</h3>
{html_table.replace('table', 'table style="width:100%; text-align:center;"')}
</div>
'''


# 顯示美觀的 HTML 表格
display(HTML(styled_html))

display(HTML('<h1>當本次出現(xiàn)的紅球其中有一個出現(xiàn),并且籃球也出現(xiàn)時的概率統(tǒng)計如下:</h1>'))
# 收集下一期出現(xiàn)的號碼
next_red_numbers, next_blue_numbers = collect_next_numbers(input_red_balls, input_blue_ball)

# 統(tǒng)計紅球頻率
red_frequency = analyze_frequencies(next_red_numbers)
# 統(tǒng)計藍球頻率
blue_frequency = analyze_frequencies(next_blue_numbers)

# 獲取紅球頻率最高和最低的前5個號碼
top_red_5 = red_frequency.nlargest(5)
#bottom_red_5 = red_frequency.nsmallest(5)

# 獲取藍球頻率最高和最低的前5個號碼
top_blue_5 = blue_frequency.nlargest(5)

# 輸出紅球結(jié)果
print("紅球出現(xiàn)頻率最高的前5個號碼:")
print(top_red_5)


# 輸出藍球結(jié)果
print("\n藍球出現(xiàn)頻率最高的號碼:")
print(top_blue_5)


# 繪制紅球頻率柱狀圖
plt.figure(figsize=(12, 6))
plt.bar(top_red_5.index.astype(str), top_red_5.values, color='blue', label='紅球最高頻率')
plt.xlabel('號碼')
plt.ylabel('頻率')
plt.title('紅球出現(xiàn)頻率')
plt.legend()
plt.show()

# 繪制藍球頻率柱狀圖
plt.figure(figsize=(12, 6))
plt.bar(top_blue_5.index.astype(str), top_blue_5.values, color='green', label='藍球最高頻率')
plt.xlabel('號碼')
plt.ylabel('頻率')
plt.title('藍球出現(xiàn)頻率')
plt.legend()
plt.show()

代碼講解:

本次使用的預(yù)測需求是:

使用上一次出現(xiàn)的號碼悠夯,來計算下次出現(xiàn)號碼頻率最高的前5個癌淮。

例如,第2025011期 2025-01-26(周日)21:15:00開獎結(jié)果

6 歷史上沦补,6出現(xiàn)了之后乳蓄,大概率會出現(xiàn)什么呢?

13

17

22

24

29

11 歷史上夕膀,籃球11出現(xiàn)之后虚倒,大概率會出現(xiàn)什么呢?

接下來产舞,我們運行代碼魂奥,看看計算結(jié)果:

圖解:當紅球是6時,下一期出現(xiàn)9的次數(shù)是131次庞瘸,出現(xiàn)6的次數(shù)是127次捧弃,出現(xiàn)10的次數(shù)是127次,出現(xiàn)20的次數(shù)是126,出現(xiàn)8的次數(shù)是125.

通過本次統(tǒng)計违霞,得到的號碼有5組嘴办。

相信大家有自己的判斷了。

3买鸽,計算紅球和藍球同時出現(xiàn)的情況

接下來為了使結(jié)果更加精確涧郊,我們把需求整得準確一點。

要求紅球和藍球同時出現(xiàn)的情況下眼五,下一期哪些號碼出現(xiàn)的頻率最高妆艘。

例如,我們只計算當藍球11號出現(xiàn)時看幼,紅球6后面出現(xiàn)的數(shù)字批旺。

根據(jù)預(yù)測,得到結(jié)果如下:

這是出現(xiàn)頻率比較高的號碼诵姜。

數(shù)據(jù)是根據(jù)代碼統(tǒng)計的結(jié)果汽煮,沒有預(yù)測的效果,請慎重參考棚唆。

還需要更多數(shù)據(jù)參考暇赤,請關(guān)注我,我會繼續(xù)為大家分析數(shù)據(jù)宵凌。

#有哪些好玩的Python代碼#

#暢聊人工智能#

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末鞋囊,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子瞎惫,更是在濱河造成了極大的恐慌溜腐,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,919評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件瓜喇,死亡現(xiàn)場離奇詭異逗扒,居然都是意外死亡,警方通過查閱死者的電腦和手機欠橘,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,567評論 3 392
  • 文/潘曉璐 我一進店門矩肩,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人肃续,你說我怎么就攤上這事黍檩。” “怎么了始锚?”我有些...
    開封第一講書人閱讀 163,316評論 0 353
  • 文/不壞的土叔 我叫張陵刽酱,是天一觀的道長。 經(jīng)常有香客問我瞧捌,道長棵里,這世上最難降的妖魔是什么润文? 我笑而不...
    開封第一講書人閱讀 58,294評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮殿怜,結(jié)果婚禮上典蝌,老公的妹妹穿的比我還像新娘。我一直安慰自己头谜,他們只是感情好骏掀,可當我...
    茶點故事閱讀 67,318評論 6 390
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著柱告,像睡著了一般截驮。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上际度,一...
    開封第一講書人閱讀 51,245評論 1 299
  • 那天葵袭,我揣著相機與錄音,去河邊找鬼乖菱。 笑死眶熬,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的块请。 我是一名探鬼主播,決...
    沈念sama閱讀 40,120評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼拳缠,長吁一口氣:“原來是場噩夢啊……” “哼墩新!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起窟坐,我...
    開封第一講書人閱讀 38,964評論 0 275
  • 序言:老撾萬榮一對情侶失蹤海渊,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后哲鸳,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體臣疑,經(jīng)...
    沈念sama閱讀 45,376評論 1 313
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,592評論 2 333
  • 正文 我和宋清朗相戀三年徙菠,在試婚紗的時候發(fā)現(xiàn)自己被綠了讯沈。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,764評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡婿奔,死狀恐怖缺狠,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情萍摊,我是刑警寧澤挤茄,帶...
    沈念sama閱讀 35,460評論 5 344
  • 正文 年R本政府宣布,位于F島的核電站冰木,受9級特大地震影響穷劈,放射性物質(zhì)發(fā)生泄漏笼恰。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,070評論 3 327
  • 文/蒙蒙 一歇终、第九天 我趴在偏房一處隱蔽的房頂上張望社证。 院中可真熱鬧,春花似錦练湿、人聲如沸猴仑。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,697評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽辽俗。三九已至,卻和暖如春篡诽,著一層夾襖步出監(jiān)牢的瞬間崖飘,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,846評論 1 269
  • 我被黑心中介騙來泰國打工杈女, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留朱浴,地道東北人。 一個月前我還...
    沈念sama閱讀 47,819評論 2 370
  • 正文 我出身青樓达椰,卻偏偏與公主長得像翰蠢,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子啰劲,可洞房花燭夜當晚...
    茶點故事閱讀 44,665評論 2 354

推薦閱讀更多精彩內(nèi)容