python小白之matplotlib使用实战项目:随机漫步

news2024/11/22 23:34:45

文章目录

  • 随机漫步
    • 1.1 创建RandomWalk类
    • 1.2 选择方向
    • 1.3 绘制随机漫步图
    • 1.4 模拟多次随机漫步
    • 1.5 设置随机漫步图样式
      • 1.5.1 给点着色
      • 1.5.2 重新绘制起点和终点
      • 1.5.3 隐藏坐标轴
      • 1.5.4 增加点数
      • 1.5.5 调整图片尺寸以适应屏幕
  • 附录(项目代码)
    • random_walk.py 完整代码
    • main.py 完整代码

随机漫步

随机漫步:每次行走都是完全随机的、没有明确的方向,结果是由一系列随机决策决定的。你可以将随机漫步看作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。

1.1 创建RandomWalk类

为模拟随机漫步,将创建一个名为RandomWalk 的类,它随机地选择前进方向。这个类需要三个属性:

  • 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 坐标和 坐标。

RandomWalk 类只包含两个方法:方法__init___() 和fill_walk() ,后者计算随机漫步经过的所有点。

方法__init___() 如下所示:

from random import choice
class RandomWalk:
    def __init__(self,num_points = 5000):
        self.num_points = num_points
        self.x_values = [0]
        self.y_values = [0]

使用random模块中的choice来生成随机数,将随机漫步的默认点个数设置为5000,。x_value 和 y_values用来储存x值和y值的列表,让每次漫步都从(0,0)点出发。

1.2 选择方向

定义fill_walk方法生成每次漫步的坐标点并且确定每次漫步的方向。

    def fill_walk(self):
        while len(self.x_values) < self.num_points:
            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

            x = self.x_values[-1] + x_step
            y = self.y_values[-1] + y_step

            self.x_values.append(x)
            self.y_values.append(y)
  • x/y_direction : 从-1和1里随机选择方向,1代表向右走,-1代表向左走。
  • x/y_distance:随机选择0-4的整数,告诉python沿指定方向走多远。
  • x/y_step:确定沿轴移动的距离和方向。
  • x/y:代表当前所在的坐标位置,然后添加到列表的末尾,方便进行下一次操作。

random_walk.py:

from random import choice

class RandomWalk:
    def __init__(self, num_points=5000):
        self.num_points = num_points
        self.x_values = [0]
        self.y_values = [0]

    def fill_walk(self):
        while len(self.x_values) < self.num_points:
            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

            x = self.x_values[-1] + x_step
            y = self.y_values[-1] + y_step

            self.x_values.append(x)
            self.y_values.append(y)

1.3 绘制随机漫步图

main.py:

import matplotlib.pyplot as plt
from random_walk import RandomWalk

rw = RandomWalk()
rw.fill_walk()

plt.style.use('classic')
fig,ax = plt.subplots()
ax.set_title("Random Walk")
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.scatter(rw.x_values,rw.y_values,s=15)
plt.show()

生成了随机漫步的散点图。

在这里插入图片描述

1.4 模拟多次随机漫步

使用while循环进行多次散点图的绘制。

import matplotlib.pyplot as plt
from random_walk import RandomWalk

while True:
    rw = RandomWalk()
    rw.fill_walk()

    plt.style.use('classic')
    fig, ax = plt.subplots()
    ax.set_title("Random Walk")
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    ax.scatter(rw.x_values, rw.y_values, s=15)
    plt.show()

    keep_running = input('Do you wanna make another walk?(y/n) ')
    if keep_running == 'n':
        break

1.5 设置随机漫步图样式

1.5.1 给点着色

使用颜色映射来指出漫步中各点的先后顺序,并且删除每个点的边缘轮廓色,让颜色更加明显。

  • 参数c:一共5000个点,故c的赋值为0-4999,可以使用range生成。
  • cmap:指定映射颜色为 plt.cm.Blues
  • edgecolors:每个点边缘轮廓色,设置为’none’。
import matplotlib.pyplot as plt
from random_walk import RandomWalk

while True:
    rw = RandomWalk()
    rw.fill_walk()

    plt.style.use('classic')
    fig, ax = plt.subplots()
    ax.set_title("Random Walk")
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    point_number = range(rw.num_points)
    ax.scatter(rw.x_values, rw.y_values,c = point_number,cmap = plt.cm.Blues, s=15)
    plt.show()

    keep_running = input('Do you wanna make another walk?(y/n) ')
    if keep_running == 'n':
        break

在这里插入图片描述

1.5.2 重新绘制起点和终点

让起点和终点更大并且显示为不同的颜色。

  • 让起点为红色,终点为黄色。
ax.scatter(0,0,c='red',edgecolors='none',s=100)
ax.scatter(rw.x_values[-1],rw.y_values[-1],c='yellow',edgecolors='none',s=100)

完整代码如下:

ax.scatter(0,0,c='red',edgecolors='none',s=100)
ax.scatter(rw.x_values[-1],rw.y_values[-1],c='yellow',edgecolors='none',s=100)

在这里插入图片描述

1.5.3 隐藏坐标轴

ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)

在这里插入图片描述

1.5.4 增加点数

在类中传入想要绘制的点个数。

rw = RandomWalk(50000)

在这里插入图片描述

1.5.5 调整图片尺寸以适应屏幕

图表适合屏幕大小时,更能有效地将数据中的规律呈现出来。为让绘图窗口更适合屏幕大小。

  • 创建图表时,可传递参数figsize以指定生成的图形的尺寸。需要给参数figsize 指定一个元组,向Matplotlib指出绘图窗口的尺寸,单位为英寸。
fig, ax = plt.subplots(figsize = (15,9))

在这里插入图片描述

附录(项目代码)

random_walk.py 完整代码

from random import choice

class RandomWalk:
    def __init__(self, num_points=5000):
        self.num_points = num_points
        self.x_values = [0]
        self.y_values = [0]

    def fill_walk(self):
        while len(self.x_values) < self.num_points:
            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

            x = self.x_values[-1] + x_step
            y = self.y_values[-1] + y_step

            self.x_values.append(x)
            self.y_values.append(y)

main.py 完整代码

import matplotlib.pyplot as plt
from random_walk import RandomWalk

while True:
    rw = RandomWalk(50000)
    rw.fill_walk()

    plt.style.use('classic')
    fig, ax = plt.subplots(figsize = (15,9))
    ax.set_title("Random Walk")
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    point_number = range(rw.num_points)
    ax.scatter(rw.x_values, rw.y_values,c = point_number,cmap = plt.cm.Blues,edgecolors='none', s=15)
# 起点和终点的颜色设置
    ax.scatter(0,0,c='red',edgecolors='none',s=100)
    ax.scatter(rw.x_values[-1],rw.y_values[-1],c='yellow',edgecolors='none',s=100)
# 隐藏坐标轴
    ax.get_xaxis().set_visible(False)
    ax.get_yaxis().set_visible(False)

    plt.show()

    keep_running = input('Do you wanna make another walk?(y/n) ')
    if keep_running == 'n':
        break

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/868946.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Linux 外部命令 - cat

Linux 外部命令 cat 英文帮助 NAME cat - concatenate files and print on the standard output SYNOPSIS cat [OPTION]... [FILE]... DESCRIPTION Concatenate FILE(s) to standard output. With no FILE, or when FILE is -, read standard input.…

ChatAI的几十种高级用法,可能是比较全的了(文末送书)

点击跳转专栏>Unity3D特效百例点击跳转专栏>案例项目实战源码点击跳转专栏>游戏脚本-辅助自动化点击跳转专栏>Android控件全解手册点击跳转专栏>Scratch编程案例点击跳转>软考全系列点击跳转>蓝桥系列 &#x1f449;关于作者 专注于Android/Unity和各种游…

【Kafka】1.Kafka简介及安装

目 录 1. Kafka的简介1.1 使用场景1.2 基本概念 2. Kafka的安装2.1 下载Kafka的压缩包2.2 解压Kafka的压缩包2.3 启动Kafka服务 1. Kafka的简介 Kafka 是一个分布式、支持分区&#xff08;partition&#xff09;、多副本&#xff08;replica&#xff09;、基于 zookeeper 协调…

消息中间件 —— 初识Kafka

文章目录 1、Kafka简介1.1、消息队列1.1.1、为什么要有消息队列&#xff1f;1.1.2、消息队列1.1.3、消息队列的分类1.1.4、p2p 和 发布订阅MQ的比较1.1.5、消息系统的使用场景1.1.6、常见的消息系统 1.2、Kafka简介1.2.1、简介1.2.2、设计目标1.2.3、kafka核心的概念 2、Kafka的…

Java pb3中 int类型的字段值0怎么判断是未设置值还是设置了值0

Java pb3中 int类型的字段值0怎么判断是未设置值还是设置了值0 1. 效果图2. 源码参考 Java pb3对 各种类型的默认值进行序列化时省略了。如int类型的字段为0或者null都会省略&#xff0c;但反序列化都可以序列化为0. proto3&#xff0c; required 和 optional 已在新语法中删除…

闲鱼卖货:新手容易踩坑的7个地方。赶紧看看有没有中招?

科思创业汇 大家好&#xff0c;这里是科思创业汇&#xff0c;一个轻资产创业孵化平台。赚钱的方式有很多种&#xff0c;我希望在科思创业汇能够给你带来最快乐的那一种&#xff01; 这是我以前的一个学生收到的第一个非法通知。他告诉我&#xff0c;他当时很害怕&#xff0c;…

在 SHELL 脚本中调用另一个 SHELL 脚本(报错: go: not found)

文章目录 在 SHELL 脚本中调用另一个 SHELL 脚本&#xff08;报错&#xff1a; go: not found&#xff09;在 SHELL 脚本中调用另一个 SHELL 脚本一个脚本sudo调另外一个脚本&#xff0c;报错&#xff08;报错&#xff1a; go: not found&#xff09; 在 SHELL 脚本中调用另一个…

LNMP简易搭建

目录 前言 一、拓扑图 二、NGINX配置 三、配置MySQL 四、配置php环境 五、部署应用 总结 前言 LNMP平台指的是将Linux、Nginx、MySQL和PHP&#xff08;或者其他的编程语言&#xff0c;如Python、Perl等&#xff09;集成在一起的一种Web服务器环境。它是一种常用的开发和部署网…

Linux使用gdb调试多文件的C程序

【例】通过vi创建两个.c文件main.c和add.c&#xff1a; 一步编译main.c和add.c文件&#xff0c;并加入调试信息&#xff1a; 1. 在被调函数中加断点时&#xff0c;在执行主函数时&#xff0c;会自动进入被调函数 &#xff08;1&#xff09;进入gdb&#xff0c;跟踪main程序&am…

python——案例17:判断某年是否是闰年

案例17&#xff1a;判断某年是否是闰年 判断依据&#xff1a;闰年就是能被400整除&#xff0c;或者能被4整除的年份numint(input(输入年份&#xff1a;))if num%1000: if num%4000: #整百年份的判断print("%s年是闰年"%num) #…

智能优化算法:登山队优化算法-附代码

智能优化算法&#xff1a;登山队优化算法 文章目录 智能优化算法&#xff1a;登山队优化算法1.登山队优化算法1.1 初始化1.2 协作登山1.3灾害威胁1.4协调防御1.5队员更新 2.实验结果3.参考文献4.Matlab5.python 摘要&#xff1a;MTBO 算法是 Faridmehr 等人于 2023 年受登山队员…

【智力悬疑题】——【“找凶手”解法】

“找凶手”题目解法 “案件题目”&#x1f4bb; 某地发生了一起凶杀案&#xff0c;警察通过排查确定杀人凶手必为4个嫌疑犯中的一个。以下为4个嫌疑犯的供词&#xff1a; A说&#xff1a;不是我。 B说&#xff1a;是C。 C说&#xff1a;是D。 D说&#xff1a;C在胡说。 已知3个…

vue3+vite在main.ts文件中引入./App.vue报错(./App.vue不是模块)

问题 如下图&#xff1a; 方法一 下载TypeScript Vue Plugin (Volar)插件就不报红了&#xff0c;看它的描述应该就是ts文件可以识别vue文件。 方法二 在src文件夹下添加env.d.ts文件&#xff0c;添加以下代码&#xff1a; declare module *.vue {import type { DefineC…

Android系统-进程-Binder2-Java层

引言&#xff1a; 对于Android系统&#xff0c;一般是从java层到native层&#xff0c;再到kernel驱动层&#xff0c;形成一个完整的软件架构。Android系统中的Binder IPC通信机制的整体架构&#xff0c;从java层到底层驱动层是怎么样的一个架构和原理的呢&#xff1f; 概念与…

详解单链表

&#x1f495;十载寒窗无人问&#xff0c;一举成名天下知&#x1f495; 作者&#xff1a;Mylvzi 文章主要内容&#xff1a;程序环境和预处理 引言&#xff1a; 我们之前已经学习过顺序表&#xff0c;顺序表是一种线性的存储结构&#xff0c;它在内存中是连续存放的&#xff1…

《Java-SE-第三十五章》之方法引用

前言 在你立足处深挖下去,就会有泉水涌出!别管蒙昧者们叫嚷:“下边永远是地狱!” 博客主页&#xff1a;KC老衲爱尼姑的博客主页 博主的github&#xff0c;平常所写代码皆在于此 共勉&#xff1a;talk is cheap, show me the code 作者是爪哇岛的新手&#xff0c;水平很有限&…

微服务实战项目-学成在线-项目部署

微服务实战项目-学成在线-项目部署 1 什么是DevOps 一个软件的生命周期包括&#xff1a;需求分析阶、设计、开发、测试、上线、维护、升级、废弃。 通过示例说明如下&#xff1a; 1、产品人员进行需求分析 2、设计人员进行软件架构设计和模块设计。 3、每个模块的开发人员…

Vue3实现图片懒加载及自定义懒加载指令

Vue3实现图片懒加载及自定义懒加载指令 前言1.使用vue-lazyload/vue3-lazyload插件2.自定义v-lazy懒加载指令2.1 使用VueUse工具集2.2 使用IntersectionObserver 前言 图片懒加载是一种常见性能优化的方式&#xff0c;它只去加载可视区域图片&#xff0c;而不是在网页加载完毕…

直线电机模组在3C电子行业中的重要应用

直线模组的种类有很多&#xff0c;是自动化行业中必不可少的传动元件&#xff0c;其中丝杆模组和同步带模组的应用率比较高&#xff0c;但随着自动化领域的迅速发展&#xff0c;高精密直线电机模组也得到了广泛的应用&#xff0c;尤其是在电子行业中的应用。 3C电子产品在我们的…

Redis数据一致性问题的三种解决方案

Redis数据一致性问题的三种解决方案 1、首先redis是什么 Redis&#xff08;Remote Dictionary Server )&#xff0c;是一个高性能的基于Key-Value结构存储的NoSQL开源数据库。大部分公司采用Redis来实现分布式缓存&#xff0c;用来提高数据查询效率。 2、为什么会选Redis 在…