数据可视初步介绍(python),通过模拟掷色子来说明。高端操作入门。
这里讲解模拟掷色子,并实现数据可视化的操作。
数据可视化可以帮助我们更好地分析相关的统计结果,获得更为直观的统计图,帮组我们更好的处理一些事情。
可视化的终极目标是洞悉蕴含在数据中的现象和规律,这里面有多重含义:发现、决策、解释、分析、探索和学习。通过数据可视化,可以更好的分析相关的统计结果,以提高我们的工作效率。
Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化,并且提供多样化的输出格式
下面我们从模拟掷色子开始,然后将掷筛子的结果来进行数据可视化。
模拟掷色子:
<1
我们先直接上代码:
有相关的注释,帮助各位的理解。
“”"
designer : 蒋光道
function : 模拟掷色子
version : 1.0
date : 26/07/2020
“”"
import random #导入需要的模块
def shake_elbows() :
roll = random.randint(1,6) 生成随机数
return roll
pass
def main() :
totall_times = 10000 # 投掷的次数
result_list = [0] * 6 #创建一个列表,记录对应的点数的位置
for i in range(totall_times) :
roll = shake_elbows() # 投掷一个色子,每投掷一次,生成1-6之间的随机数,调用我们的模拟投色子的函数。
#下面的for相当于遍历列表记录点数的位置
for j in range(1,7) :# 控制掷色子得到的点数对应列表上的位置
if roll == j :
result_list[j - 1] += 1 # 对应点数位置上加一
#print(result_list)
for r,y in enumerate(result_list) :
print(‘对应的点数{},次数为{},频率是{}’.format(r+1,y,y/totall_times))
if name == ‘main’ :
main()
我们来看代码测试:
<2
我们来模拟投掷两个色子,上代码:
“”"
designer : 蒋光道
function : 模拟掷色子
add function : 模拟两个色子
version : 2.0
date : 26/07/2020
“”"
import random
def shake_elbows() :#主题这里还是一样的
#掷色子六次
roll = random.randint(1,6)
return roll
pass
def main() : #注意这里的相关变化
totall_times = 10000
#两个色子的和一共是十一种情况
result_list = [0]*11
#初始化点数列表
roll_list = list(range(2,13))
roll_dict =dict(zip(roll_list,result_list))
for i in range(totall_times) :#控制掷色子的次数
roll_one = shake_elbows()
roll_two = shake_elbows()
for j in range(2,13) :
if (roll_one + roll_two) == j :
roll_dict[j ] += 1
#print(result_list)
for r,y in roll_dict.items():
print(‘对应的点数{},次数为{},频率是{}’.format(r,y,y/totall_times))
if name == ‘main’ :
main()
这里我们来解释一下zip的作用,我们上图
看到没有,这就相当于创建了一个字典
接下来我们来测试代码:如下图:
❤️
注意这里我们要用到可视化模块了
matplotlib是python上的一个2D绘图库,它可以在夸平台上画出很多高质量的图像。
matplotlib.pyplot:提供一个类似matlab的绘图框架。
上代码,然后会在代码中说明
“”"
designer : 蒋光道
function : 模拟掷色子
add function : 模拟两个色子
add function : 数据可视化
version : 3.0
date : 26/07/2020
“”"
import matplotlib.pyplot as plt
import random
def shake_elbows() :
#掷色子六次
roll = random.randint(1,6)
return roll
pass
def main() :
totall_times = 100
#两个色子的和一共是十一种情况
result_list = [0]*11
#初始化点数列表
roll_list = list(range(2,13))
roll_dict =dict(zip(roll_list,result_list))
#记录色子的结果
roll_list_one = []
roll_list_two = []
for i in range(totall_times) :#控制掷色子的次数
roll_one = shake_elbows()
roll_list_one.append(roll_one)
roll_two = shake_elbows()
roll_list_two.append(roll_two)
for j in range(2,13) :
if (roll_one + roll_two) == j :
roll_dict[j ] += 1
#print(result_list)
for r,y in roll_dict.items():#遍历点数和对应的次数
print(‘对应的点数{},次数为{},频率是{}’.format(r,y,y/totall_times))
#数据可视化
x = range(1,totall_times + 1) #x轴
y = roll_list_one
y1 = roll_list_two
plt.scatter(x,y,alpha= 0.5)#xalpha是透明度
plt.scatter(x,y1,alpha= 0.5)
plt.show()
if name == ‘main’ :
main()
我们来看代码的测试,点状数据图:
<2
我们下面来看条形图
写上代码;
“”"
designer : 蒋光道
function : 模拟掷色子
add function : 模拟两个色子
add function : 数据可视化
add function : 条形图可视化
version : 4.0
date : 26/07/2020
“”"
import matplotlib.pyplot as plt
import random
#实现中文注释
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]#这是与图的注释相关的,不是很关键
plt.rcParams[‘axes.unicode_minus’] = False
def shake_elbows() :
#掷色子六次
roll = random.randint(1,6)
return roll
pass
def main() :
totall_times = 100000 #投掷色子的次数
roll_list = [] # 统计每次每次投掷筛子的结果
for i in range(totall_times) :#控制掷色子的次数
# 将色子投掷两次
roll_one = shake_elbows()
roll_two = shake_elbows()
roll_list.append(roll_one + roll_two)
#print(result_list)
# 数据可视化
plt.hist(roll_list,bins=range(2,14), density= 1,edgecolor = ‘black’,linewidth = 2)#这里很容易看懂,设置density的作用是让总的概率为1
plt.title(“掷色子统计”)
plt.xlabel(“点数”)#x轴的标签
plt.ylabel(“频率”)#y轴的标签
plt.show()
if name == ‘main’ :
main()
我们来看测试效果:
下面这张图就更清晰明了了。
欢迎大家留言指点,祝大家学好编程。
- Python数据挖掘课程 一.安装Python及爬虫入门介绍
- Python机器学习中的实用小操作(一):数据清理篇 阿萨姆 2 个月前 0. 背景 很多朋友评论希望我共享答案和文章中提到的操作代码,比如生成相关性图谱等。为了方便大家,开始介绍一些虽然简单但很有用
- PyQt5的QDataStream类对python类型和PyQt类型的数据进行读写操作简要说明
- 用python做数据分析4|pandas库介绍之DataFrame基本操作 by 是蓝先生
- python数据分析工具 | numpy入门介绍
- Python入门-17、18、19、20:数据类型及转换,字符串补充(分割,带单位输出数据),处理异常操作的语句
- Python爬虫入门教程 51-100 Python3爬虫通过m3u8文件下载ts视频-Python爬虫6操作
- 【Python数据挖掘课程】一.安装Python及爬虫入门介绍
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- python入门之容器类型数据的一系列操作之列表、字典、集合
- 通过Python对mysql数据进行操作
- 快速入门Python中文件读写IO是如何来操作外部数据的?
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- python通过testrpc访问以太坊数据入门
- Python数据可视化利器Matplotlib,绘图入门篇,Pyplot介绍
- python入门与进阶篇(一)之python的介绍及python基本数据类型
- python3从入门到精通之数据类型,布尔类型介绍
- 无痛入门Python数据分析?这个课性&价都适合你...结尾有骚操作