快捷導(dǎo)航

Python實(shí)現(xiàn)隨機(jī)漫步的詳細(xì)過程

更新時(shí)間：2023年03月07日 09:55:43 作者：Aperion

隨機(jī)漫步顧名思義每一步都是隨機(jī)的,假設(shè)有一個(gè)點(diǎn),下一步往哪里走,走多遠(yuǎn),這些都沒有明確的表示,完全是隨機(jī)的,最后走到哪里,是由一系列隨機(jī)決策決定的，這篇文章主要給大家介紹了關(guān)于Python實(shí)現(xiàn)隨機(jī)漫步的相關(guān)資料,需要的朋友可以參考下

隨機(jī)漫步 顧名思義就是隨機(jī)走出的步伐，它是這樣行走得到的路徑：每次行走都是完全隨機(jī)的、沒有明確的方向，結(jié)果是由一系列隨機(jī)決策決定的。我們可以將隨機(jī)漫步看作是 螞蟻在暈頭轉(zhuǎn)向 的情況下，每次都沿隨機(jī)的方向前行所經(jīng)過的路徑。

1. 創(chuàng)建 RandomWalk 類

為模擬隨機(jī)漫步，首先創(chuàng)建一個(gè)名為 RandomWalk 的類，其作用是 隨機(jī)的選擇前進(jìn)方向。這個(gè)類需要三個(gè)屬性：一個(gè)是 存儲(chǔ)隨機(jī)漫步次數(shù)的變量，其他兩個(gè)是列表，分別存儲(chǔ)隨機(jī)漫步經(jīng)過的每個(gè)點(diǎn)的 x 坐標(biāo) 和 y 坐標(biāo)。

RandomWalk 類只包含兩個(gè)方法：

方法 __init__ () ，初始化屬性
方法 fill_walk () ，計(jì)算隨機(jī)漫步經(jīng)過的所有點(diǎn)

from random import choice
 
class RandomWalk:
    '''一個(gè)生成隨機(jī)漫步數(shù)據(jù)的類'''
 
    def __init__(self, num_points = 500):
        '''初始化隨機(jī)漫步的屬性'''
 
        self.num_points = num_points
 
        # 所有隨機(jī)漫步都使于(0,0)
        self.x_values = [0]
        self.y_values = [0]

為做出隨機(jī)決策，將所有可能的選擇都存儲(chǔ)在一個(gè)列表中，并在每次決策時(shí)，都使用模塊 random 中的 choice () 來決定使用哪種選擇。
將隨機(jī)漫步包含的默認(rèn)點(diǎn)數(shù)設(shè)置為 5000，這個(gè)數(shù)大到足以生成有趣的模式，又小到可確保能夠快速地模擬隨機(jī)漫步。
創(chuàng)建兩個(gè)用于存儲(chǔ) x 值和 y 值的列表，并讓每次漫步都從點(diǎn)（0,0）出發(fā)。

2. 選擇方向

我們將使用方法 fill_walk() 來生成漫步包含的點(diǎn)，并決定每次漫步的方向。

import random
 
def fill_walk(self):
    '''計(jì)算隨機(jī)漫步包含的所有點(diǎn)'''
 
    # 不斷漫步，直到列表達(dá)到指定的長(zhǎng)度
    while len(self.x_values) < self.num_points:
 
        # 決定前進(jìn)方向以及沿這個(gè)方向前進(jìn)的距離
        x_direction = random.choice([1,-1])
        x_distance = random.choice([0,1,2,3,4])
        x_step = x_direction * x_distance
 
        y_direction = random.choice([1,-1])
        y_distance = random.choice([0,1,2,3,4])
        y_step = y_direction * y_distance
 
        # 拒絕原地踏步
        if x_step == 0 and y_step == 0:
            continue
 
        # 計(jì)算下一個(gè)點(diǎn)的 x 值和 y 的值
        x = self.x_values[-1] + x_step
        y = self.y_values[-1] + y_step
 
        self.x_values.append(x)
        self.y_values.append(y)

先建立一個(gè)循環(huán)，它不斷運(yùn)行，直到漫步包含所需的點(diǎn)數(shù)。方法 fill_walk（）的主要部分告訴 Python 如何模擬四種漫步?jīng)Q定：向右走還是向左走？沿指定的方向走多遠(yuǎn)？向上走還是向下走？沿指定的方向走多遠(yuǎn)？
使用 choice([-1,-1]) 給 x_direction 選擇一個(gè)值，結(jié)果要么是表示向右走的 1，要么是表示向左走的 -1。接下來，choice([0，1，2，3，4]) 隨機(jī)的選擇一個(gè) 0~4 的整數(shù)，告訴 Python 沿指定方向走多遠(yuǎn)（x_distance）。通過包含 0 ，不僅能夠同時(shí)沿兩個(gè)軸移動(dòng)，還能夠只沿一個(gè)軸移動(dòng)。
將移動(dòng)方向乘以移動(dòng)距離，確定沿 x 軸和 y 軸移動(dòng)的距離。如果 x_step 為正將向右移動(dòng)，為負(fù)將向左移動(dòng)，為零將垂直移動(dòng)；如果 y_step 為正將向上移動(dòng)，為負(fù)將向下移動(dòng)，為零將水平移動(dòng)。如果 x_step 和 y_step 都為零，則意味著原地踏步。我們拒絕這樣的情況，接著執(zhí)行下一次循環(huán)。
為獲取漫步中下一個(gè)點(diǎn)的 x 的值，將 x_step 和 x_values 中的最后一個(gè)值相加，對(duì) y 值也做相同的處理。獲得下一個(gè)點(diǎn)的 x 值和 y 值后，將它們分別附件到列表 x_values 和 y_values 的末尾。

3. 繪制隨機(jī)漫步圖

下面的代碼將隨機(jī)漫步的所有點(diǎn)都繪制出來：

from random import choice
import matplotlib.pyplot as plt
 
class RandomWalk:
    '''一個(gè)生成隨機(jī)漫步數(shù)據(jù)的類'''
 
    def __init__(self, num_points = 5000):
        '''初始化隨機(jī)漫步的屬性'''
 
        self.num_points = num_points
 
        # 所有隨機(jī)漫步都使于(0,0)
        self.x_values = [0]
        self.y_values = [0]
 
    def fill_walk(self):
        '''計(jì)算隨機(jī)漫步包含所有的點(diǎn)'''
 
        # 不斷漫步，直到列表達(dá)到指定的長(zhǎng)度
        while len(self.x_values) < self.num_points:
 
            # 決定前進(jìn)的方向以及沿著這個(gè)方向前進(jìn)的距離
            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
 
            # 拒絕原地踏步
            if x_step == 0 and y_step == 0:
                continue
 
            # 計(jì)算下一個(gè)點(diǎn)的 x 值和 y 值
            x = self.x_values[-1] + x_step
            y = self.y_values[-1] + y_step
 
            self.x_values.append(x)
            self.y_values.append(y)
 
# 創(chuàng)建一個(gè) RandomWalk 實(shí)例
random_wander = RandomWalk()
random_wander.fill_walk()
 
# 將所有的點(diǎn)都繪制出來
plt.style.use('classic')
(fig,ax) = plt.subplots()
ax.scatter(random_wander.x_values, random_wander.y_values, s = 15)
plt.show()