这个版本的计算包追求计算速度，而GGanalysis包有着更多计算功能。
GGanalysisLite包通过卷积计算分布列，通过FFT和快速幂加速卷积计算。
测试玩家得到的排名值rankA rankB的数学意义是：与抽了同样数量五星的其他玩家相比，测试玩家花费的抽数大于等于rankA比例的玩家，小于等于rankB比例的玩家。rankA rankB的值在(0,1]上，rankA值越高说明玩家越倒霉，达到1则说明达到了保底系统的极限。rankB值越高说明玩家越幸运，达到1则说明没有更幸运的玩家。
打开终端输入以下指令，安装完成后下载文件可以删除。
git clone https://github.com/OneBST/GGanalysisLite.git
cd GGanalysisLite
pip install .采用的模型见我的B站专栏。通过卷积计算分布列。
卷积采用scipy的signal.convolve()函数，由其自动根据规模选择使用FFT计算或是直接卷积。
当计算物品数量上升，获取分布列需要多次卷积时，朴素FFT计算复杂度接近
，故采用快速幂进行加速，复杂度降为
。
使用GenshinPlayer类添加玩家，初始化其抽卡情况，随后使用类函数输出rankA rankB两个排名值。（注意这里的排名值只统计到玩家最后一次抽到五星/UP五星位置，垫抽部分和垫出的“大保底”没有考虑，需要更详细的计算请用GGanalysis包）
返回的rankA是你比多大比例的玩家更倒霉或一样倒霉，称为“非酋度”。rankB是你比多大比例的玩家更幸运或者一样幸运，称为“欧皇度”。这两个值都大于0，最高为1。
import GGanalysisLite as ggl
permanent_5 = 5 # 常驻祈愿五星数量
permanent_pull = 301 # 常驻祈愿恰好出最后一个五星时花费的抽数
character_5 = 14 # 角色祈愿五星数量
character_pull = 876 # 角色祈愿恰好出最后一个五星时花费的抽数
character_up_5 = 8 # 角色祈愿UP五星数量
character_up_pull = 876 # 角色祈愿恰好出最后一个UP五星时花费的抽数
weapon_5 = 2 # 武器祈愿五星数量
weapon_pull = 126 # 武器祈愿恰好出最后一个五星时花费的抽数
# 初始化玩家
player = ggl.GenshinPlayer( p5=permanent_5,
c5=character_5,
u5=character_up_5,
w5=weapon_5,
p_pull=permanent_pull,
c_pull=character_pull,
u_pull=character_up_pull,
w_pull=weapon_pull)
# 查看常驻祈愿rank（仅考虑五星数量）
print('常驻祈愿', player.get_p5_rank())
# 查看角色祈愿rank（仅考虑五星数量）
print('角色祈愿', player.get_c5_rank())
# 查看UP角色rank（仅考虑UP五星数量）
print('角色祈愿UP', player.get_u5_rank())
# 查看武器祈愿rank（仅考虑五星数量）
print('武器祈愿', player.get_w5_rank())
# 查看综合rank（角色祈愿仅考虑五星数量，常驻祈愿仅考虑五星数量，武器祈愿仅考虑五星数量）
print('综合', player.get_comprehensive_rank())
# 查看综合rank（角色祈愿考虑UP数量，常驻祈愿仅考虑五星数量，武器祈愿仅考虑五星数量）
print('综合UP', player.get_comprehensive_rank_Up5Character())
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent