Java教程

数据可视化入门篇----matplotlib库实现随机漫步可视化

本文主要是介绍数据可视化入门篇----matplotlib库实现随机漫步可视化,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

使用python生成随机漫步的数据,再使用matplotlib以引人瞩目的方式将这些数据呈现出来!

1.随机漫步

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。
简单理解: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!

(1)创建RandomWalk()类

为模拟随机漫步,将创建一个名为RandomWalk的类,它随机的选择前进方向及前进的距离!
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。

from random import choice

class RandomWalk():
    '''一个生成随机漫步数据的类'''

    def __init__(self,num_points=5000):
        '''初始化随机漫步的属性(随机漫步的次数)'''
        self.num_points = num_points

        #所有随机漫步都始于(0,0)
        self.x_values = [0]   #两个存储随机漫步经过的x,y的值的列表
        self.y_values = [0]

(2)选择方向及对应方向上前行的距离

使用fill_walk()来生成漫步包含的点,并决定每次漫步的方向及该方向上前行的距离:

此方法的主要部分告诉python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?沿指定的方向走多远?

def fill_walk(self):
    '''计算你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这个方向前进的距离
        x_direction = choice([1,-1])        #为做出随机决策:::将所有的可能的选择都放在列表中,
        x_distance = choice([0,1,2,3,4])    #每次做决策的时候都使用choice()来随机决定使用哪种选择。
        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
        #一个随机漫步点x和y都值都得出,就得到这个随机漫步点的坐标了。

        # 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         #下一个随机漫步点是在上一个随机漫步点为基础上随机漫步得到的
        next_y = self.y_values[-1] + y_step

        self.x_values.append(next_x)                #将所有随机漫步经过的坐标添加到列表中
        self.y_values.append(next_y)

(3)绘制随机漫步图完整代码

from random import choice
import matplotlib.pyplot as plt

while True:
    class RandomWalk():
        '''一个生成随机漫步数据的类'''

        def __init__(self,num_points=5000):
            '''初始化随机漫步的属性(随机漫步的次数)'''
            self.num_points = num_points

            #所有随机漫步都始于(0,0)
            self.x_values = [0]   #两个存储随机漫步经过的x,y的值的列表
            self.y_values = [0]

        def fill_walk(self):
            '''计算你随机漫步包含的所有点'''

            # 不断漫步,知道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这个方向前进的距离
                x_direction = choice([1,-1])        #为做出随机决策:::将所有的可能的选择都放在列表中,
                x_distance = choice([0,1,2,3,4])    #每次做决策的时候都使用choice()来决定使用哪种选择。
                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
                #一个随机漫步点x和y都值都得出,就得到这个随机漫步点的坐标了。

                # 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         #下一个随机漫步点是在上一个随机漫步点为基础上随机漫步得到的
                next_y = self.y_values[-1] + y_step

                self.x_values.append(next_x)                #将所有随机漫步经过的坐标添加到列表中
                self.y_values.append(next_y)

    rw = RandomWalk()
    rw.fill_walk()
    plt.scatter(rw.x_values, rw.y_values, s=15)
    plt.show()

    keep_running = input('Make another walk?(y/n):')
    if keep_running == 'n':
        break

在这里插入图片描述

(4)设置随机漫步图的样式

目的:定制图表,以突出每次漫步的重要特征,并让分散注意力的元素不那么显眼。
为此,我们确定要突出的元素,如漫步的七点,终点和经过的路径。
接下来确定要使其不那么显眼的元素,如刻度标记和标签。
最终的结果是简单的可视化表示,清楚的指出了每次漫步经过的路径。

①给点着色

将使用颜色映射来指出漫步中各点的先后顺序。为根据漫步中各点的先后顺序进行着色,我们传递参数c,并将其设置为一个列表,其中包含各点的先后顺序。由于这些点是按顺序绘制的,因此给参数c指定的列表只需包含数字1~5000即可!

# 只需添加并修改代码中如下部分即可:
    # 使用颜色映射来指出漫步中各点的先后顺序
    point_numbers = list(range(rw.num_points))
    plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, s=15)

在这里插入图片描述

②重新绘制起点和终点

让起点和终点变得更大,并显示为不同的颜色。

# 只需将下面代码放在调用plt.show()的代码前面即可,确保在其他点的上面绘制起点和终点:
    # 突出起点和终点
    plt.scatter(0, 0, c='green', s=100)
    plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', s=100)

在这里插入图片描述

③隐藏坐标轴
# 只需加入如下代码即可:
    # 隐藏坐标轴
    plt.xticks([])
    plt.yticks([])

在这里插入图片描述

④增加点数

在这里插入图片描述

在这里插入图片描述

⑤调整尺寸以适合屏幕

函数figure()用于指定图表的宽度,高度,分辨度和背景色。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。
python假定屏幕分辨率为80像素/英寸,如果下面的代码绘制出的图标的尺寸不合适,可根据需要调整其中的数字。如果知道自己系统的分辨率,可使用形参dpi向figure()传递该分辨率!如下例:

plt.figure(dpi=128, figsize=(10, 6))

在这里插入图片描述

在这里插入图片描述

(5)方法fil_walk()很长,进行重构,缩小fill_walk()的规模。

from random import choice
import matplotlib.pyplot as plt

while True:
    class RandomWalk():
        '''一个生成随机漫步数据的类'''

        def __init__(self,num_points=5000):
            '''初始化随机漫步的属性(随机漫步的次数)'''
            self.num_points = num_points

            #所有随机漫步都始于(0,0)
            self.x_values = [0]   #两个存储随机漫步经过的x,y的值的列表
            self.y_values = [0]

        def get_step(self):
            '''确定每次漫步的距离和方向'''
            direction = choice([1,-1])
            distance = choice([0,1,2,3,4])
            step = direction * distance
            return step

        def fill_walk(self):
            '''计算你随机漫步包含的所有点'''
            while len(self.x_values) < self.num_points:
                x_step = self.get_step()        #直接调用get_step()方法即可
                y_step = self.get_step()

                # 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         #下一个随机漫步点是在上一个随机漫步点为基础上随机漫步得到的
                next_y = self.y_values[-1] + y_step

                self.x_values.append(next_x)                #将所有随机漫步经过的坐标添加到列表中
                self.y_values.append(next_y)

    rw = RandomWalk(5000)
    rw.fill_walk()

    #设置绘图窗口的尺寸
    plt.figure(figsize=(10,6))

    #使用颜色映射来指出漫步中各点的先后顺序
    #传递参数c,将其设置为包含各点的先后顺序的列表,注意:各点是按顺序绘制的,所以直接是数字1-5000的列表就行。
    point_numbers = list(range(rw.num_points))
    plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,s=1)

    #突出起点和终点
    plt.scatter(0,0,c='green',s=100)
    plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',s=100)

    #隐藏坐标轴
    # plt.xticks([])
    # plt.yticks([])

    plt.show()

    keep_running = input('Make another walk?(y/n):')
    if keep_running == 'n':
        break

这篇关于数据可视化入门篇----matplotlib库实现随机漫步可视化的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!