Python随机漫步，使用matplotlib方式将这些数据呈现

拼搏现实的明天。 2023-07-23 03:33 7阅读 0赞

## 我们将使用Python的随机漫步数据，再使用matplotlib方式将这些数据呈现出来！ ##

> 随机漫步：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。

## 1、创建RandomWalk()类 ##

**创建RandomWalk()类，它随机的选择前进的方向。（需要三个属性）**

1.  存储随机漫步次数的变量
2.  存储随机漫步经过的每个点的x坐标
3.  存储随机漫步经过的每个点的y坐标

**RandomWalk类包含两个方法：**

_init_()
    fill_walk()  计算随机漫步所经过的所有点

首先新建一个random\_walk.py文件

from random import choice
    
    class RandomWalk():
        """一个生成随机漫步数据的类"""
        def __init__(self,num_points=5000):	#默认点数设置为5000
            """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]	#存储随机漫步经过的每个点的x坐标
            self.y_values=[0]	#存储随机漫步经过的每个点的y坐标

## 2、选择方向 ##

使用fill\_walk()来生成漫步包含的点，并决定每次漫步的方向，将这个方法添加到random\_walk.py文件中

def fill_walk(self):
            """计算随机漫步包含的所有的点"""
    
            #不断漫步，直到列表达到指定的的长度
            while len(self.x_values) < self.num_points:
                """决定前进方向以及沿这个方向前进的距离"""
                x_direction=choice([1,-1])      #表示要么向右走1，要么表示向左走1
                x_distance=choice([0,1,2,3,4])  #随机选择一个0~4之间的数，告诉Python沿着方向走多远
                x_step=x_direction*x_distance   #移动方向乘以移动距离
                """x_step如果为正，将向右移动；如果为负，将向左移动，为零即垂直移动"""
    
                y_direction = choice([1, -1])  # 表示要么向右走1，要么表示向左走1
                y_distance = choice([0, 1, 2, 3, 4])  # 随机选择一个0~4之间的数，告诉Python沿着方向走多远
                y_step = y_direction * y_distance  # 移动方向乘以移动距离
                """y_step如果为正，将向上移动；如果为负，将向下移动，为零即水平移动"""
    
                #拒绝原地踏步(即x_step和y_step都为0)
                if x_step==0 and y_step==0:
                    continue
    
                #计算下一个点的x和y的值
                next_x=self.x_values[-1]+x_step     #为了漫步下一个点的x的值，将x_step与x_values中的最后一个值相加
                next_y=self.y_values[-1]+y_step     #为了漫步下一个点的y的值，将y_step与y_values中的最后一个值相加
    
                self.x_values.append(next_x)    #获得下一个点的x值后附加的x_values末尾
                self.y_values.append(next_y)    #获得下一个点的y值后附加的y_values末尾

**到这一步，已经完成RandomWalk()中两个方法，下一步我们看下随机漫步的效果**

## 3、绘制随机漫步图 ##

新建一个rw\_visual.py文件

import matplotlib.pyplot as plt     #导入pyplot模块
    from random_walk import RandomWalk      #导入RandomWalk类
    
    #创建一个RandomWalk实例，存储在rw中
    rw=RandomWalk()
    rw.fill_walk()              #在调用fill_walk()
    plt.scatter(rw.x_values,rw.y_values,s=15)       
    #讲随机漫步包含的x和y传递给scatter(),选择点的尺寸为15
    
    plt.show()

> 此处直接在rw\_visual文件中运行即可，运行结果如下：  
> 每次运行结果都是随机生成的会不一样！！！

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70]

## 4、可以模拟多次随机漫步 ##

> 不需要自己手动不停地运行，这里我们可以将代码放在while循环中，代码如下所示：

在rw\_visual.py文件文件中修改

import matplotlib.pyplot as plt     #导入pyplot模块
    from random_walk import RandomWalk      #导入RandomWalk类
    
    while True:
        #创建一个RandomWalk实例，存储在rw中
        rw=RandomWalk()
        rw.fill_walk()              #在调用fill_walk()
        plt.scatter(rw.x_values,rw.y_values,s=15)
        #讲随机漫步包含的x和y传递给scatter(),选择点的尺寸为15
        plt.show()
        keep_running=input("是否要在模拟一次随机漫步（请输入是或否）：")
        if keep_running=='否':
            break

**通过while循环，问我们是否要再模拟一次，是：继续随机漫步，否：终止**  
**效果图如下**：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 2]

> **这时候你会发现随机生成了三张图，运行程序一张，循环两张，然后输入否终止程序！！！**

## 5、可以给随机漫步设置样式 ##

### 5.1、给点着色 ###

> **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，让颜色更明显。**  
> **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照顺序绘制的，因此给参数c指定的列表只需包含数字1~5000。**

在rw\_visual.py文件文件中修改

import matplotlib.pyplot as plt     #导入pyplot模块
    from random_walk import RandomWalk      #导入RandomWalk类
    
    while True:
        #创建一个RandomWalk实例，存储在rw中
        rw=RandomWalk()
        rw.fill_walk()              #在调用fill_walk()
        point_numbers=list(range(rw.num_points))
        plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,
                    edgecolors='none',s=15)
                    #讲随机漫步包含的x和y传递给scatter(),选择点的尺寸为15
        plt.show()
        keep_running=input("是否要在模拟一次随机漫步（请输入是或否）：")
        if keep_running=='否':
            break

**plt.scatter(rw.x\_values,rw.y\_values,  
c=point\_numbers,  
cmap=plt.cm.Blues,  
edgecolors=‘none’,s=15)**  
c=point\_numbers  
将参数c设置为point\_numbers即催记生成的1~5000个数  
cmap=plt.cm.Blues  
指定使用映射颜色为蓝色  
edgecolors=‘none’  
删除每个点周围的轮廓  
**效果图如下：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 3]

### 5.2、重新绘制起点和终点 ###

> 加以改进呈现随机漫步的起点和终点

**在rw\_visual.py文件文件中添加**

#突出起点和终点
        plt.scatter(0,0,c='green',edgecolors='none',s=100)
        plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)

**效果如下（绿色为起点，红色为终点）：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 4]

### 5.3、隐藏坐标轴 ###

> 为了突显随机漫步路径，以免注意的是坐标轴，可以对坐标轴进行隐藏

**在rw\_visual.py文件文件中添加**

#隐藏坐标轴
        plt.axes().get_xaxis().set_visible(False)
        plt.axes().get_yaxis().set_visible(False)

**为了修改坐标轴使用了函数plt.axes()将每条坐标轴可见性都设置为False**

**效果图如下：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 5]

### 5.4、增加点数 ###

> 我们在创建RandomWalk实例的时候增大num\_points的值，并在绘图是调整每个点的大小

下面附上一份整份的rw\_visual.py文件

import matplotlib.pyplot as plt     #导入pyplot模块
    from random_walk import RandomWalk      #导入RandomWalk类
    
    while True:
        #创建一个RandomWalk实例，存储在rw中
        rw=RandomWalk(50000)
        rw.fill_walk()              #在调用fill_walk()
        #plt.scatter(rw.x_values,rw.y_values,s=15)
        #讲随机漫步包含的x和y传递给scatter(),选择点的尺寸为15
        point_numbers=list(range(rw.num_points))
        plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,
                    edgecolors='none',s=1)
        #突出起点和终点
        plt.scatter(0,0,c='green',edgecolors='none',s=100)
        plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
    
        #隐藏坐标轴
        plt.axes().get_xaxis().set_visible(False)
        plt.axes().get_yaxis().set_visible(False)
        plt.show()
        keep_running=input("是否要在模拟一次随机漫步（请输入是或否）：")
        if keep_running=='否':
            break

**这里修改了：**  
rw=RandomWalk(50000)  
事例模拟了包含50000个点的随机  
plt.scatter(rw.x\_values,rw.y\_values,c=point\_numbers,cmap=plt.cm.Blues,  
edgecolors=‘none’,s=1)  
这里为了便于查看的更清晰，将点的大小修改为1  
**效果图如下：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 6]

## 6、调整尺寸以适应屏幕 ##

> 为了便于有效的呈现，让绘图窗口更适合屏幕大小，可像matplotlib调整尺寸大小

在rw\_visual.py文件中添加

#设置绘图窗口的尺寸
        plt.figure(figsize=(10,6))

**函数figure()用于指定图标的宽度、高度、分辨率和背景色，你需要给形参figsize指定一个元组，向matplotlib指出绘图窗口的尺寸**

效果图如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 7]

# 综上随机漫步完毕！！！ #

> 附上完整的random\_work.py和rw\_visual.py文件

***random\_work.py***

from random import choice
    
    class RandomWalk():
        """一个生成随机漫步数据的类"""
        def __init__(self,num_points=5000):
            """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的点"""
    
            #不断漫步，直到列表达到指定的的长度
            while len(self.x_values) < self.num_points:
                """决定前进方向以及沿这个方向前进的距离"""
                x_direction=choice([1,-1])      #表示要么向右走1，要么表示向左走1
                x_distance=choice([0,1,2,3,4])  #随机选择一个0~4之间的数，告诉Python沿着方向走多远
                x_step=x_direction*x_distance   #移动方向乘以移动距离
                """x_step如果为正，将向右移动；如果为负，将向左移动，为零即垂直移动"""
    
                y_direction = choice([1, -1])  # 表示要么向右走1，要么表示向左走1
                y_distance = choice([0, 1, 2, 3, 4])  # 随机选择一个0~4之间的数，告诉Python沿着方向走多远
                y_step = y_direction * y_distance  # 移动方向乘以移动距离
                """y_step如果为正，将向上移动；如果为负，将向下移动，为零即水平移动"""
    
                #拒绝原地踏步(即x_step和y_step都为0)
                if x_step==0 and y_step==0:
                    continue
    
                #计算下一个点的x和y的值
                next_x=self.x_values[-1]+x_step     #为了漫步下一个点的x的值，将x_step与x_values中的最后一个值相加
                next_y=self.y_values[-1]+y_step     #为了漫步下一个点的y的值，将y_step与y_values中的最后一个值相加
    
                self.x_values.append(next_x)    #获得下一个点的x值后附加的x_values末尾
                self.y_values.append(next_y)    #获得下一个点的y值后附加的y_values末尾

***rw\_visual.py***

import matplotlib.pyplot as plt     #导入pyplot模块
    from random_walk import RandomWalk      #导入RandomWalk类
    
    while True:
        #创建一个RandomWalk实例，存储在rw中
        rw=RandomWalk(50000)
        rw.fill_walk()              #在调用fill_walk()
    
        #设置绘图窗口的尺寸
        plt.figure(figsize=(10,6))
        #plt.scatter(rw.x_values,rw.y_values,s=15)
        #讲随机漫步包含的x和y传递给scatter(),选择点的尺寸为15
        point_numbers=list(range(rw.num_points))
        plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,
                    edgecolors='none',s=1)
        #突出起点和终点
        plt.scatter(0,0,c='green',edgecolors='none',s=100)
        plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
    
        #隐藏坐标轴
        plt.axes().get_xaxis().set_visible(False)
        plt.axes().get_yaxis().set_visible(False)
        plt.show()
        keep_running=input("是否要在模拟一次随机漫步（请输入是或否）：")
        if keep_running=='否':
            break

# 不足之处，请指出，蟹蟹！！！ #

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70]: /images/20230528/1c4c95d8be604ec288098b31c712b782.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 1]: /images/20230528/ff138a81fbc3472abf5a89eb2edaa7e2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 2]: /images/20230528/3df3c3ab33644b0eb3e8b45b83177c93.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 3]: /images/20230528/7afc7f5712e8484a8086c9fd1c8b5a7f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 4]: /images/20230528/570ef9539bab4ef78210d04522549365.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 5]: /images/20230528/4820faeea7f04e96a78c20a4f63997a0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 6]: /images/20230528/6d0c85eefcb84924aa439a34a6bf3486.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pqem91bmly_size_16_color_FFFFFF_t_70 7]: /images/20230528/49ef6344b4bc4cb88976a4455ce7c5ec.png