专栏首页我有一个梦想Python 项目实践二(生成数据)第二篇

Python 项目实践二(生成数据)第二篇

接着上节继续学习,在本节中,我们将使用Python来生成随机漫步数据,再使用matplotlib以引人瞩目的方式将这些数据呈现出来。随机漫步是这样行走得到的路径:每次行走都完全是随机的,没有明确的方向,结果是由一系列随机决策决定的。你可以这样认为,随机漫步就是蚂蚁在晕头转向的情况下,每次都沿随机的方向前行所经过的路径。

一 随机漫步

1 创建RandomWalk()类

为模拟随机漫步,我们将创建一个名为RandomWalk的类,它随机地选择前进方向。这个类需要三个属性,其中一个是存储随机漫步次数的变量,其他两个是列表,分别存储随机漫步经过的每个点的x和y坐标。代码如下:

from random import choice

class RandomWalk() :
    '''一个生成随机漫步数的类'''
    def __init__(self,num_points=50000):
        '''初始化随机漫步的属性'''
        self.num_points = num_points

        #所有随机漫步都始于(0,0)
        self.x_values = [0]
        self.y_values =[0]

2 选择方向

我们将使用fill_walk()来生成漫步包含的点,并决定每次漫步的方向,如下所示。请将这个方法添加到random_walk.py中:

 def fill_walk(self):
        #计算随机漫步包含的所有点

        #不断漫步,直到列表达到指定的长度
        while len(self.x_values) < self.num_points :

            #决定前进方向以及沿着个方向前进的距离
            x_direction = choice([1,-1])
            x_distance = choice([0,1,2,3,4])
            x_step = x_direction*x_distance

            y_direction = choice([1,-1])
            y_distance = choice([0,1,2,3,4])
            y_step = y_direction*y_distance

            #拒绝原地踏步
            if x_step == 0 and y_step ==0 :
                continue

            #计算下一个点的x和y值
            next_x= self.x_values[-1] + x_step
            next_y= self.y_values[-1] + y_step

            self.x_values.append(next_x)
            self.y_values.append(next_y)

代码注释的很清楚了,我再强调几点:

(1)我们建立了一个循环,这个循环不断运行,直到漫步包含所需数量的点。

(2)如何模拟四种漫步决定:向右走还是向左走?沿指定的方向走多远?向上走还是向下走?沿选定的方向走多远?

3 绘制随机漫步的图像

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True : 
    random_walk = RandomWalk()
    random_walk.fill_walk()
    plt.figure(figsize=(10,6))
    point_numbers = list(range(random_walk.num_points))
    plt.scatter(random_walk.x_values,random_walk.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor="none",s=1)

    # 突出起点和终点
    plt.scatter(0, 0, c='green', edgecolors='none', s=100)
    plt.scatter(random_walk.x_values[-1], random_walk.y_values[-1], c='red', edgecolors='none',
    s=100)

    #隐藏坐标轴
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)
    plt.show()

    input_flag = input("是否结束?(Y/N)")

    if input_flag == "Y" :
        break

 运行效果图如下:

注意几点:

(1)模拟多次随机漫步:每次随机漫步都不同,因此探索可能生成的各种模式很有趣。要在不多次运行程序的情况下使用前面的代码模拟多次随机漫步,一种办法是将这些代码放在一个while循环中。

(2)给点着色:我们将使用颜色映射来指出漫步中各点的先后顺序,并删除每个点的黑色轮廓,让它们的颜色更明显。为根据漫步中各点的先后顺序进行着色。

(3)重新绘制起点和终点:,可在绘制随机漫步图后重新绘制起点和终点。我们让起点和终点变得更大,并显示为不同的颜色,以突出它们。

(4)隐藏坐标轴:为修改坐标轴,使用了函数plt.axes()来将每条坐标轴的可见性都设置为False。随着你越来越多地进行数据可视化,经常会看到这种串接方法的方式。

(5)增加点数:增大num_points的值,并在绘图时调整每个点的大小。

(6)调整尺寸以适合屏幕:函数figure()用于指定图表的宽度、高度、分辨率和背景色。你需要给形参figsize指定一个元组,向matplotlib指出绘图窗口的尺寸,单位为英寸。

二 使用Pygal模拟掷骰子

在本节中,我们将使用Python可视化包Pygal来生成可缩放的矢量图形文件。对于需要在尺寸不同的屏幕上显示的图表,这很有用,因为它们将自动缩放,以适合观看者的屏幕。如果你打算以在线方式使用图表,请考虑使用Pygal来生成它们,这样它们在任何设备上显示时都会很美观。

在这个项目中,我们将对掷骰子的结果进行分析。掷6面的常规骰子时,可能出现的结果为1~6点,且出现每种结果的可能性相同。然而,如果同时掷两个骰子,某些点数出现的可能性将比其他点数大。为确定哪些点数出现的可能性最大,我们将生成一个表示掷骰子结果的数据集,并根据结果绘制出一个图形。

1 安装Pygal

python -m pip install --user pygal

2 创建Die类

from random import randint

class Die():
    '''表示一个骰子的类'''

    def __init__(self,num_sides=6):
        '''骰子默认6个面'''
        self.num_sides=num_sides

    def roll(self):
        #返回一个1-面数之间的随机值
        return randint(1,self.num_sides)

3 掷筛子

使用这个类来创建图表前,先来掷D6骰子,将结果打印出来,并检查结果是否合理:

from die import Die

die=Die()

results=[]

for roll_num in range(100) :
    result=die.roll()
    results.append(result)

print(results)

结果如下:

4 分析结果

为分析掷一个D6骰子的结果,我们计算每个点数出现的次数:

from die import Die

die=Die()

results=[]

for roll_num in range(1000) :
    result=die.roll()
    results.append(result)

#分析结果
frequencies=[]
for value in range(1,die.num_sides+1) :
    frequency=results.count(value)
    frequencies.append(frequency)

print(frequencies)

结果如下:[156, 171, 151, 173, 181, 168]

结果看起来是合理的:我们看到了6个值——掷D6骰子时可能出现的每个点数对应一个;我们还发现,没有任何点数出现的频率比其他点数高很多。下面来可视化这些结果。

5 绘制立方图

from die import Die
import pygal

die=Die()

results=[]

for roll_num in range(1000) :
    result=die.roll()
    results.append(result)


#分析结果
frequencies=[]
for value in range(1,die.num_sides+1) :
    frequency=results.count(value)
    frequencies.append(frequency)

#print(frequencies)

#对结果进行可视化
hist = pygal.Bar()

hist.title= "Results of rolling one D6 1000 times."
hist.x_labels=['1','2','3','4','5','6']
hist.x_title = "Result"
hist.y_title = "Frequency of Result"

hist.add("D6",frequencies)
hist.render_to_file("die_visual.svg")

为创建条形图,我们创建了一个pygal.Bar()实例,并将其存储在hist中,我们设置hist的属性title(用于标示直方图的字符串),将掷D6骰子的可能结果用作x轴的标签,并给每个轴都添加了标题,我们使用add()将一系列值添加到图表中(向它传递要给添加的值指定的标签,还有一个列表,其中包含将出现在图表中的值)。最后,我们将这个图表渲染为一个SVG文件,这种文件的扩展名必须为.svg。 要查看生成的直方图,最简单的方式是使用Web浏览器。如下图:

6 同时掷两个骰子

 每次掷两个骰子时,我们都将两个骰子的点数相加,并将结果存储在results中。请复制die_visual.py并将其保存为dice_visual.py,再做如下修改:

from die import Die
import pygal

die_1=Die()
die_2=Die()

results=[]

for roll_num in range(1000) :
    result=die_1.roll() + die_2.roll() 
    results.append(result)


#分析结果
frequencies=[]
max_result = die_1.num_sides + die_2.num_sides

for value in range(2,max_result+1) :
    frequency=results.count(value)
    frequencies.append(frequency)

#print(frequencies)

#对结果进行可视化
hist = pygal.Bar()

hist.title= "Results of rolling two D6 1000 times."
hist.x_labels=['1','2','3','4','5','6''7','8','9','10','11','12']
hist.x_title = "Result"
hist.y_title = "Frequency of Result"

hist.add("D6+D6",frequencies)
hist.render_to_file("die_visual.svg")

结果如下:

也可以掷不同的骰子,就不在详解了!未完待续!

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 游戏开发完整学习路线(各个版本都有)

    在软件开发中,游戏开发这个方向看起来目标很明确,但其实是个领域很广的方向,入门的时候如果得不到指点一二,很容易误入歧途,相反,如果走这条路之前能得到前人的一些指...

    用户1198337
  • UE4中的单映射:TMap容器

    一、TMap<T>是么 TMap<T>是UE4中的一种关联容器,每个键都关联着一个值,形成了单映射关系。因此你可以通过键名来快速查找到值。此外,单映射要求每...

    用户1198337
  • Python 项目实践二(生成数据)第一篇

    上面那个小游戏教程写不下去了,以后再写吧,今天学点新东西,了解的越多,发现python越强大啊! 数据可视化指的是通过可视化表示来探索数据,它与数据挖掘紧密相关...

    用户1198337
  • CAP学习笔记

      定义:在一个分布式系统(指互相连接并共享数据的节点的集合)中,当涉及读写操作时,只能保证一致性(Consistence)、可用性(Availability)...

    良辰美景TT
  • SSH 和 SSM 有什么区别?

    本人使用过SSH框架一段时间,最后在优化项目的时候决定使用SSM框架,这两种框架的一些浅显的区别我在这里说下。

    一个优秀的废人
  • 面试题:SSH 和 SSM 两个框架的浅显的区别?

    本人使用过SSH框架一段时间,最后在优化项目的时候决定使用SSM框架,这两种框架的一些浅显的区别我在这里说下。

    芋道源码
  • Python进阶-----静态方法(@staticmethod)

    @staticmethod 静态方法只是名义上归属类管理,但是不能使用类变量和实例变量,是类的工具包。放在函数前(该函数不传入self或者cls),所以不能访问...

    于小勇
  • 云+创业 助力成长启动仪式

    【协办单位】:清华C-lab、清华D-lab、清华H-lab、清华x-lab、清华创+

    云加创业小助手
  • 挑战数据结构和算法——跳台阶问题

    问题分析:假设f(n)f(n)f\left ( n \right )为跳台阶的总跳法,当n=1n=1n=1时,f(n)=1f(n)=1f\left ( n \r...

    zhaozhiyong
  • 利用Python编写linux自动备份脚

      周末的时候帮朋友写了一个备份需求的脚本,现在整理一下,分享出来使用Python语言的Fabric模块,这里就不扫盲了,运维必用的Python模块;

    py3study

扫码关注云+社区

领取腾讯云代金券