Python学习之路日志—利用matplotlib开发数据可视化项目(2)
2020-09-02 00:14
1616 查看
今天,我将继续利用matplotlib开发数据可视化项目的学习:
2.1 随机漫步:
首先,我将使用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。
为模拟随机漫步,我将创建一个名为
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
num_points,其他两个是列表
x_values和
y_values,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__()和
fill_walk(),其中后者计算随机漫步经过的所有点:
# -*- coding:utf-8 -*- from random import choice #每次做决策时都使用choice() 来决定使用哪种选择 class RandomWalk(): #一个生成随机漫步数据的类 def __init__(self, num_points = 6000): #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] def fill_walk(self): #计算随机漫步包含的所有点 while len(self.x_values) < self.num_points: # 不断漫步,直到列表达到指定的长度 # 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)
为做出随机决策,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(见第2行)。接下来,我在第7行将随机漫步包含的默认点数设置为6000,这大到足以生成有趣的模式,同时又足够小,可确保能够快速地模拟随机漫步。然后,在12-13行处,我们创建了两个用于存储 x 和 y 值的列表,并让每次漫步都从(0, 0)出发。
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。在第18行处,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。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(见第21行)。接下来,
choice([0, 1, 2, 3, 4])随机地选择一个0~4之间的整数,告诉Python沿指定的方向走多远(
x_distance)。(通过包含0,我们不仅能够沿两个轴移动,还能够沿 y 轴移动。) 在第23行和第27行处,我们将移动方向乘以移动距离,以确定沿 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,就意味着向上移动,为负意味着向下移动,而为零意味着水平移动。如果
x_step和
y_step都为零,则意味着原地踏步,我们拒绝这样的情况,接着执行下一次循环(见29-31行)。 为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(见第34行),对于 y 值也做相同的处理。获得下一个点的 x 值和 y 值后,我们将它们分别附加到列表
x_values和
y_values的末尾。
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=13) 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(见第8行),再调用
fill_walk()。在第10行处,我将随机漫步包含的 x 和 y 值传递给
scatter(),并选择了合适的点尺寸(13)。下图显示了包含6000个点的随机漫步图:
2.2 设置随机漫步图的样式:
现在,我们将定制图表,以突出每次漫步的重要特征,并让部分元素不那么显眼:
2.2.1 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,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,如下所示:
# -*- coding:utf-8 -*- 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() point_numbers = list(range(rw.num_points))#生成了一个数字列表,其中包含的数字个数与漫步包含的点数相同。 plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Greens, edgecolor='none', s=13) plt.show()
在14行处,我们使用了
range()生成了一个数字列表,其中包含的数字个数与漫步包含的点数相同。接下来,我们将这个列表存储在
point_numbers中,以便后面使用它来设置每个漫步点的颜色。我们将参数
c设置为
point_numbers,指定使用颜色映射
Greens,并传递实参
edgecolor=none以删除每个点周围的轮廓。最终的随机漫步图从浅绿色渐变为深绿色,如图所示:
2.2.2 重新绘制起点和终点:
除了给随机漫步的各个点着色,以指出它们的先后顺序外,我们还希望能呈现随机漫步的起点和终点。为此,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,如下所示:
# -*- coding:utf-8 -*- 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() point_numbers = list(range(rw.num_points))#生成了一个数字列表,其中包含的数字个数与漫步包含的点数相同。 plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Reds, edgecolor='none', s=13) # 突出起点和终点 plt.scatter(0, 0, c='BluE', edgecolors='none', s=150) plt.scatter(rw.x_values[-1], rw.y_values[-1], c='Red', edgecolors='none', s=150) plt.show()
为突出起点,我们使用蓝色绘制点(0, 0),并使其比其他点大(
s=150)。为突出终点,我们在漫步包含的最后一个 x 和 y 值处绘制一个点,将其颜色设置为红色,并将尺寸设置为150。然后将这些代码放在画其他点的代码的后面,确保在其他点的上面绘制起点和终点。 如果你现在运行这些代码,将能准确地知道每次随机漫步的起点和终点:
2.2.3 隐藏坐标轴:
下面来隐藏这个图表中的坐标轴,以免我们注意的是坐标轴而不是随机漫步路径:
# -*- coding:utf-8 -*- 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() point_numbers = list(range(rw.num_points))#生成了一个数字列表,其中包含的数字个数与漫步包含的点数相同。 plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Reds, edgecolor='none', s=13) # 突出起点和终点 plt.scatter(0, 0, c='BluE', edgecolors='none', s=150) plt.scatter(rw.x_values[-1], rw.y_values[-1], c='Red', edgecolors='none', s=150) # 隐藏坐标轴 plt.axes().get_xaxis().set_visible(False) plt.axes().get_yaxis().set_visible(False) plt.show()
为修改坐标轴,使用了函数
plt.axes()(见23-24行)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。 如果你现在运行,将看到一系列图形,但看不到坐标轴:
相关文章推荐
- Python学习的收费标准是多少?Python学习
- Python编程语言学习:for循环中常用方法经验技巧(利用enumerate函数对列表实现自带索引等)之详细攻略
- 43、最长公共前缀-Python-LeetCode-14
- leetcode_486. 预测赢家 python3
- Python学习:第23课-文件读写和异常处理(Python学习路线图+学习视频教程+Python就业面试题)
- Python压缩zip文件
- pythonl列表(list)
- 用python自动发送邮件
- 淘宝用户行为分析+python可视化
- Python小白零基础入门 —— 列表 149e 和元组
- Python小白零基础入门 —— 集合(set)
- 成功解决ImportError: Something is wrong with the numpy installation. While importing we detected an olde
- Python课堂笔记-第五讲(条件控制语句)
- Python学习之路日志—利用matplotlib开发数据可视化项目(1)
- python连接mysql有哪些方法
- leetcode_214. 最短回文串 python3
- 编程-python-十进制与其他进制转换
- python -- 类(学习笔记)
- Python接口自动化测试-requests库的基础使用
- Python之joblib:joblib库的简介、安装、使用方法之详细攻略