数据可视化<第三天>

随机漫步

在本节中,我们将使用python来生成随机漫步数据
再使用matplotlib呈现数据
随机漫步:
每次行走都是完全随机的,没有明确方向,结果是由一系列随机决策决定的

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
RandomWalk类只包含两个方法:__init__()fill_walk()
其中后者计算随机漫步经过的所有点,下面先来看__init__()

创建random_walk.py文件

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"""
        self.num_points = num_points

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

为做出随机决策,我们将所有可能的选择都存储在一个列表中
并在每次做决策时都使用choice()来决定使用哪种选择
接下来,我们将随机漫步包含的默认点数设置为5000
然后,创建两个用于存储x和y值的列表,并让每次漫步都从点(0,0)出发

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

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这个方向前进的距离
        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)

首先建立一个循环,循环不断运行指导漫步包含所需数量的点
这个方法主要是告诉python如何模拟四种漫步决定:
向右还是向左走,沿指定方向走多远,向上还是向下走,沿指定方向走多远
我们使用choice([1,-1])给x_direction选择一个值
结果要么是表示向右走的1,要么是表示向左走的-1
接下来choice([0,1,2,3,4])随机选择一个0~4之间的整数
告诉python沿指定方向走多远(x_distance)
通过包含0,我们不仅能够沿x轴移动,还能够沿y轴移动

我们将移动方向乘以移动距离,以确定x和y轴移动的距离
如果x_step为正,将向右移动,为负将向左移动,而为零将垂直移动
如果y_step为正,将向上移动,为负将向下移动,而为零将水平移动
如果x_step和y_step都为零,则意味着原地踏步,将跳过并执行下一次循环

为了获取漫步中下一个点的x值,我们将x_step与x_values中的最后一个值相加
对于y值也做相同的处理,获得下一个点的x和y值后,将它们分别附加到列表
x_values和y_values的末尾

3.绘制随机漫步图

下面的代码将随机漫步的所有点都绘制出来:

import matplotlib.pyplot as plt

from random_walk import RandomWalk

#创建一个RandomWalk实例,并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values,rw.y_values,s=5)
plt.show()

我们首先导入了模块pyplot和RandomWalk类,然后创建了一个RandomWalk实例
并将其存储到rw中,再调用fill_walk()
将随机漫步包含的x和y值传递给scatter(),并选择了合适的点尺寸
如图:


4.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进一个while循环里,如下:

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True:
    #创建一个RandomWalk实例,并将其包含的点都绘制出来
    rw = RandomWalk()
    rw.fill_walk()
    plt.scatter(rw.x_values,rw.y_values,s=5)
    plt.show()

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

这些代码模拟一次随机漫步,在matplotlib查看器中显示结果
再在不关闭查看器的情况下暂停,如果关闭查看器
程序将询问是否要再模拟一次随机漫步,输入y
可再进行一次随机漫步
结束程序,输入n


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,042评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 89,996评论 2 384
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,674评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,340评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,404评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,749评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,902评论 3 405
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,662评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,110评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,451评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,577评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,258评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,848评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,726评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,952评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,271评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,452评论 2 348

推荐阅读更多精彩内容

  • 我们将使用Python来生成随机漫步数据,再使用matplotlib将这些数据呈现出来。随机漫步的路径是这样的:每...
    陈容喜阅读 452评论 0 0
  • 第十五章 生成数据 matplotlib数学绘图库 pygal专注生成适合在数字设备上显示的图表 15.1 绘制折...
    Shinichi新一君阅读 1,023评论 0 0
  • 毕业后时不时收到陈军的电话,他那粗粗的嗓音一声老班长,让我把记忆一直停留在初中时光。陈军是那时学校的古惑...
    珊杉来迟阅读 217评论 0 1
  • 我该如何安置你 那该死的软心肠 谁拉扯下你的软肋 丢弃在路边任路人围观 你怎能贴着脸面撕尊严 巴结逢迎再讨好 还请...
    柚宝妈咪阅读 355评论 10 18