Python+matplotlib調(diào)用隨機(jī)函數(shù)生成變化圖形
前言
綜合前述的類、函數(shù)、matplotlib等，完成一個(gè)隨機(jī)移動(dòng)的過程（注意要確定移動(dòng)的次數(shù)，比如10萬(wàn)次），每次行走都完全是隨機(jī)的，沒有明確的方向，結(jié)果是由一系列隨機(jī)決策確定的，最后顯示出每次移動(dòng)的位置的圖表。
思考：
1）每次走動(dòng)多少個(gè)像素，由隨機(jī)函數(shù)決定，每次移動(dòng)方向也隨機(jī)確定。由隨機(jī)方向和隨機(jī)像素共同移動(dòng)位置大小和方向。
2）保證將每次移動(dòng)的位置保存在列表中，供后面matplotlib調(diào)用，生成圖表。
故而，可以分成兩個(gè)文件，一個(gè)為rand_moving類，生成走動(dòng)像素、方向，并記錄相關(guān)數(shù)據(jù)，保存在數(shù)列中，另一個(gè)為繪圖模塊randdraw_visual ，調(diào)用matplotlib和rand_moving類，生成一個(gè)實(shí)例，并調(diào)用計(jì)算出的數(shù)列組生成圖表。
一、rand_moving.py文件定義功能如下
1、初始化程序，設(shè)置一個(gè)參數(shù)，即移動(dòng)的次數(shù)，初始化位置全部設(shè)置為0
2、隨機(jī)生成x,y的方向和移動(dòng)像素，并相乘，得到相對(duì)移動(dòng)距離，即為每次移動(dòng)的距離和方向，即需要4個(gè)隨機(jī)函數(shù)來(lái)分別確定水平方向和垂直方向的 移動(dòng)位置大小和方向，
3，計(jì)算出下一個(gè)位置，并進(jìn)行保存到位置數(shù)列中，即每走完一步后，在屏幕中的絕對(duì)位置。
如下：
from random import choice #random是系統(tǒng)自帶的隨機(jī)函數(shù)模塊
class Rand_moving(): #定義一個(gè)Rand_moving類
def __init__(self,num_times=100000): # 初始化，設(shè)置默認(rèn)參數(shù)為10萬(wàn)，可以修改這個(gè)參數(shù)試試機(jī)器運(yùn)行速度
self.num_times = num_times #移動(dòng)次數(shù)
self.x_values=[0] # 設(shè)置兩個(gè)數(shù)列，用來(lái)保存每一步的位置，初始位置為(0, 0)，數(shù)列元素個(gè)數(shù)會(huì)一直增加到num_times，用來(lái)記錄每一步的位置信息
self.y_values=[0]
def fill_moving(self): #定義一個(gè)函數(shù)，用來(lái)計(jì)算移動(dòng)方向和距離，并計(jì)算需要保存的位置信息
while len(self.x_values)<self.num_times:#循環(huán)不斷運(yùn)行，直到漫步包含所需數(shù)量的點(diǎn)num_times
x_direction = choice([1,-1]) #x的移動(dòng)方向，1向上，0不變，-1向下
x_distance = choice([0,1,2,3,4,5]) #x的每次移動(dòng)的像素，
x_step = x_direction*x_distance #移動(dòng)方向乘以移動(dòng)距離，以確定沿x移動(dòng)的距離
y_direction = choice([1,-1]) #y的移動(dòng)方向，1向上，0不變，-1向下
y_distance = choice([0,1,2,3,4,5]) #y的每次移動(dòng)的像素，
y_step = y_direction*y_distance #移動(dòng)方向乘以移動(dòng)距離，以確定沿y移動(dòng)的距離
#原地不變
if x_step ==0 and y_step==0: # x_step和 y_step都為零，則意味著原地踏步
continue
#計(jì)算下一個(gè)點(diǎn)的位置坐標(biāo)x和y值，并分別保存到數(shù)列x_values和y_values中
next_x = self.x_values[-1] + x_step #self.x_values[-1]表示是數(shù)列最后一個(gè)值，初始為x_values=[0]
next_y = self.y_values[-1] + y_step
self.x_values.append(next_x ) #將每次計(jì)算的next_x存入到數(shù)列x_values中
self.y_values.append(next_y ) #將每次計(jì)算的next_y存入到數(shù)列y_values中二、繪圖模塊
randdraw_visual.py
繪圖模塊randdraw_visual.py的功能如下：
1、調(diào)用matplotlib和rand_moving類；
2、rand_moving生成一個(gè)實(shí)例，并計(jì)算出的數(shù)列組生成圖表；
3、用matplotlib中的方法生成圖表
import matplotlib.pyplot as plt #導(dǎo)入matplotlib模塊 from rand_moving import * #也可以用 import random_moving 注意使用過程中的細(xì)微差別 ,小寫開頭的rand_moving是文件（或稱為模塊，一個(gè)模塊中可以有一個(gè)類，或多個(gè)類），大寫開頭Rand_moving是類。 rm = Rand_moving() # 利用導(dǎo)入的 Rand_moving 類，創(chuàng)建一個(gè)實(shí)例rm，這里沒有給定參數(shù)，默認(rèn)是10萬(wàn)，可以修改為其他數(shù)據(jù)。 rm.fill_moving() # 調(diào)用類的方法fill_moving() ，并生成隨機(jī)數(shù)列，存入到x_values和y_values中， plt.scatter(rm.x_values, rm.y_values,s=15)#調(diào)用實(shí)例rm中位置數(shù)列x_values和y_values生成圖表 plt.show()
程序運(yùn)行效果(注意，為了對(duì)比，程序中創(chuàng)建了3個(gè)實(shí)例，其中一個(gè)為默認(rèn)值，另兩個(gè)為50萬(wàn)和5萬(wàn)，如果一直沒顯示，請(qǐng)耐心等會(huì)兒！)
上述三個(gè)實(shí)例處在同一圖中，呈現(xiàn)不同顏色，如果只有一個(gè)實(shí)例，如何修改顏色？
入門(1)中，語(yǔ)句 plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,edgecolor='none', s=40) 是修改漸變色的，可償試將randdraw_visual.py模塊中進(jìn)行如下修改：
plt.scatter(rm.x_values, rm.y_values,c=y_values, cmap=plt.cm.Reds,edgecolor='none',s=15)
注： c的參數(shù)是字符串，可以直接使用顏色的英文進(jìn)行賦值，比如：c='yellow'，見后面修改起點(diǎn)、終點(diǎn)顏色。
指定一個(gè)紅色，一個(gè)藍(lán)色，實(shí)際運(yùn)行效果（有重復(fù)的地方，實(shí)例設(shè)置為藍(lán)色在后面，將紅色蓋?。?/p>
除些之外，還可以對(duì)特定的點(diǎn)進(jìn)行設(shè)定，也就是在語(yǔ)句plt.scatter(rm.x_values, rm.y_values,c=y_values, cmap=plt.cm.Reds,edgecolor='none',s=15)之后，再多幾個(gè)相關(guān)語(yǔ)句，并給定相關(guān)點(diǎn)坐標(biāo)。
import matplotlib.pyplot as plt from rand_moving import * #也可以用import random_moving注意使用過程中的差別 rm = Rand_moving() # 創(chuàng)建一個(gè)實(shí)例rm，這里沒有給定參數(shù)，默認(rèn)是10萬(wàn)，可以修改為其他數(shù)據(jù)。 rm.fill_moving() # 調(diào)用類的方法fill_moving() ，并生成隨機(jī)數(shù)列，存入到x_values和y_values中 plt.scatter(rm.x_values,rm.y_values,c=rm.y_values,cmap=plt.cm.Reds,edgecolor='none',s=15) #調(diào)用實(shí)例rm中數(shù)列x_values和y_values生成圖表#調(diào)用實(shí)例rm中數(shù)列x_values和y_values生成圖表 new_rm = Rand_moving(500000) # 創(chuàng)建一個(gè)實(shí)例new_rm，是50萬(wàn)次 new_rm.fill_moving() plt.scatter(new_rm.x_values,new_rm.y_values,c=new_rm.y_values, cmap=plt.cm.Blues,edgecolor='none',s=15) # 重繪起點(diǎn)，終點(diǎn) #因?yàn)閮蓚€(gè)實(shí)例的起點(diǎn)一樣，只需一個(gè)起點(diǎn)即可 plt.scatter(rm.x_values[0], rm.y_values[0],c='yellow',edgecolor='none',s=100) #設(shè)置起點(diǎn)，把s設(shè)置較大，以示區(qū)別 #兩個(gè)實(shí)例終點(diǎn)不同，分別重繪終點(diǎn)位置 plt.scatter(rm.x_values[-1], rm.y_values[-1],c='brown',edgecolor='none',s=100) #設(shè)置實(shí)例rm的終點(diǎn)，思考為什么用[-1] plt.scatter(new_rm.x_values[-1], new_rm.y_values[-1],c='pink',edgecolor='none',s=100) #設(shè)置實(shí)例new_rm的終點(diǎn) plt.show()
實(shí)際運(yùn)行效果：
顯示圖表屏幕大小
圖表適合屏幕大小能有效地將數(shù)據(jù)中的規(guī)律呈現(xiàn)出來(lái)，如果要調(diào)整屏幕大小，可調(diào)整matplotlib輸出的尺寸
plt.figure(dpi=128,figsize=(12, 10))
函數(shù) figure() 用于指定圖表的寬度、高度、分辨率和背景色。
形參 figsize 指定一個(gè)元組
形參 dpi 向 figure() 傳遞該分辨率
注意：plt.figure(dpi=128,figsize=(12, 10))語(yǔ)句要在其他plt開始語(yǔ)句的前面，才能調(diào)整顯示屏幕的大小。
import matplotlib.pyplot as plt from rand_moving import * #也可以用import random_moving注意使用過程中的差別 #調(diào)整屏幕大小 plt.figure(dpi=128,figsize=(12, 10)) #一開始就要定義顯示的大小，當(dāng)然，可以試一下，放到plt.show()之前其他位置的運(yùn)行效果。 rm = Rand_moving() # 創(chuàng)建一個(gè)實(shí)例rm，這里沒有給定參數(shù)，默認(rèn)是10萬(wàn)，可以修改為其他數(shù)據(jù)。 rm.fill_moving() # 調(diào)用類的方法fill_moving() ，并生成隨機(jī)數(shù)列，存入到x_values和y_values中 plt.scatter(rm.x_values,rm.y_values,c=rm.y_values,cmap=plt.cm.Reds,edgecolor='none',s=15) #調(diào)用實(shí)例rm中數(shù)列x_values和y_values生成圖表#調(diào)用實(shí)例rm中數(shù)列x_values和y_values生成圖表 new_rm = Rand_moving(500000) # 創(chuàng)建一個(gè)實(shí)例new_rm，是50萬(wàn)次 new_rm.fill_moving() plt.scatter(new_rm.x_values,new_rm.y_values,c=new_rm.y_values, cmap=plt.cm.Blues,edgecolor='none',s=15) plt.show()
當(dāng)然，還可以試一下他函數(shù)功能。
是不是有點(diǎn)小小的成就感！
小結(jié)
請(qǐng)思考：
1、上述程序是否能進(jìn)行優(yōu)化（比如功能相同的）
2、創(chuàng)建三個(gè)3個(gè)實(shí)例，用了3個(gè)語(yǔ)句，能否建一個(gè)函數(shù)，只輸入一個(gè)數(shù)n，就自動(dòng)創(chuàng)建n個(gè)實(shí)例？同時(shí)，每個(gè)實(shí)例的num_times隨機(jī)，(n比較大時(shí)，num_times應(yīng)該比較小)
3、當(dāng)實(shí)現(xiàn)上述功能后，程序運(yùn)行，只輸入一個(gè)參數(shù)（創(chuàng)建實(shí)例的個(gè)數(shù)），就會(huì)自動(dòng)生成對(duì)應(yīng)的num_times，并分別調(diào)用相關(guān)函數(shù)生成對(duì)應(yīng)圖表。
以上就是Python+matplotlib調(diào)用隨機(jī)函數(shù)生成變化圖形的詳細(xì)內(nèi)容，更多關(guān)于Python隨機(jī)函數(shù)生成變化圖形的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Python?ctypes庫(kù)底層交互秘籍實(shí)例探究
ctypes是Python標(biāo)準(zhǔn)庫(kù)中的外部函數(shù)庫(kù),允許Python調(diào)用動(dòng)態(tài)鏈接庫(kù)中的函數(shù),它提供了與C兼容的數(shù)據(jù)類型和允許Python調(diào)用共享庫(kù)中的函數(shù),對(duì)系統(tǒng)級(jí)編程和與硬件交互非常有用2024-01-01
Python數(shù)據(jù)分析之獲取雙色球歷史信息的方法示例
這篇文章主要介紹了Python數(shù)據(jù)分析之獲取雙色球歷史信息的方法,涉及Python網(wǎng)頁(yè)抓取、正則匹配、文件讀寫及數(shù)值運(yùn)算等相關(guān)操作技巧,需要的朋友可以參考下2018-02-02
大家好，本篇文章主要講的是python中異常的傳播詳解，感興趣的同學(xué)趕快來(lái)看一看吧，對(duì)你有幫助的話記得收藏一下2022-01-01
工欲善其事必先利其器，一個(gè)好的工具能讓起到事半功倍的效果，Python 社區(qū)提供了足夠多的優(yōu)秀工具來(lái)幫助開發(fā)者更方便的實(shí)現(xiàn)某些想法，下面這幾個(gè)工具給我的工作也帶來(lái)了很多便利，推薦給追求美好事物的你。2020-10-10
使用grpc實(shí)現(xiàn)golang后端和python服務(wù)間通信
gRPC是Google 開發(fā)的高性能、開源的遠(yuǎn)程過程調(diào)用（RPC）框架,本文主要為大家詳細(xì)介紹了如何使用grpc實(shí)現(xiàn)golang后端和python服務(wù)間通信,感興趣的可以了解下2024-03-03
基于Python創(chuàng)建可定制的HTTP服務(wù)器
這篇文章主要為大家演示一下如何使用?http.server?模塊來(lái)實(shí)現(xiàn)一個(gè)能夠發(fā)布網(wǎng)頁(yè)的應(yīng)用服務(wù)器，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以了解一下2023-05-05
生成器generator在循環(huán)過程中，按照某種算法推算數(shù)據(jù)，不必創(chuàng)建容器存儲(chǔ)完整的結(jié)果，從而節(jié)省內(nèi)存空間。數(shù)據(jù)量越大，優(yōu)勢(shì)越明顯。以上作用也稱之為延遲操作或惰性操作，通俗的講就是在需要的時(shí)候才計(jì)算結(jié)果，而不是一次構(gòu)建出所有結(jié)果2022-07-07
Python+selenium實(shí)現(xiàn)瀏覽器基本操作詳解
這篇文章主要為大家詳細(xì)介紹了如何通過python腳本實(shí)現(xiàn)瀏覽器的一些基本操作，如：瀏覽器的前進(jìn)后退、頁(yè)面刷新等，感興趣的可以學(xué)習(xí)一下2022-06-06
如何用Pytorch搭建一個(gè)房?jī)r(jià)預(yù)測(cè)模型
這篇文章主要介紹了用Pytorch搭建一個(gè)房?jī)r(jià)預(yù)測(cè)模型,在這里我將主要討論P(yáng)yTorch建模的相關(guān)方面，作為一點(diǎn)額外的內(nèi)容，我還將演示PyTorch中開發(fā)的模型的神經(jīng)元重要性，需要的朋友可以參考下2023-03-03
Python中decimal.Decimal類型和float類型的比較
這篇文章主要介紹了Python中decimal.Decimal類型和float類型的比較,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-11-11