python数据处理matplotlib入门(2)-利用随机函数生成变化图形
综合前述的类、函数、matplotlib等，完成一个随机移动的过程（注意要确定移动的次数，比如10万次），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确定的，最后显示出每次移动的位置的图表。思考：
1）每次走动多少个像素，由随机函数决定，每次移动方向也随机确定。由随机方向和随机像素共同移动位置大小和方向。
2）保证将每次移动的位置保存在列表中，供后面matplotlib调用，生成图表。
故而，可以分成两个文件，一个为rand_moving类，生成走动像素、方向，并记录相关数据，保存在数列中，另一个为绘图模块randdraw_visual ，调用matplotlib和rand_moving类，生成一个实例，并调用计算出的数列组生成图表。
一、rand_moving.py文件定义功能如下
1、初始化程序，设置一个参数，即移动的次数，初始化位置全部设置为0
2、随机生成x,y的方向和移动像素，并相乘，得到相对移动距离，即为每次移动的距离和方向，即需要4个随机函数来分别确定水平方向和垂直方向的 移动位置大小和方向，
3，计算出下一个位置，并进行保存到位置数列中，即每走完一步后，在屏幕中的绝对位置。
如下：
from random import choice#random是系统自带的随机函数模块
class Rand_moving(): #定义一个Rand_moving类
def __init__(self,num_times=100000):# 初始化，设置默认参数为10万，可以修改这个参数试试机器运行速度
self.num_times = num_times#移动次数
self.x_values= # 设置两个数列，用来保存每一步的位置，初始位置为(0, 0)，数列元素个数会一直增加到num_times，用来记录每一步的位置信息
self.y_values=
def fill_moving(self):#定义一个函数，用来计算移动方向和距离，并计算需要保存的位置信息
while len(self.x_values)<self.num_times:#循环不断运行，直到漫步包含所需数量的点num_times
x_direction = choice() #x的移动方向，1向上，0不变，-1向下
x_distance = choice() #x的每次移动的像素，
x_step = x_direction*x_distance #移动方向乘以移动距离，以确定沿x移动的距离
y_direction =choice() #y的移动方向，1向上，0不变，-1向下
y_distance = choice() #y的每次移动的像素，
y_step = y_direction*y_distance #移动方向乘以移动距离，以确定沿y移动的距离
#原地不变
if x_step ==0 and y_step==0:# x_step和 y_step都为零，则意味着原地踏步
continue
#计算下一个点的位置坐标x和y值，并分别保存到数列x_values和y_values中
next_x = self.x_values[-1] + x_step#self.x_values[-1]表示是数列最后一个值，初始为x_values=
next_y = self.y_values[-1] + y_step
self.x_values.append(next_x ) #将每次计算的next_x存入到数列x_values中
self.y_values.append(next_y ) #将每次计算的next_y存入到数列y_values中
二、绘图模块randdraw_visual.py
绘图模块randdraw_visual.py的功能如下：
1、调用matplotlib和rand_moving类；
2、rand_moving生成一个实例，并计算出的数列组生成图表；
3、用matplotlib中的方法生成图表
import matplotlib.pyplot as plt#导入matplotlib模块
from rand_moving import * #也可以用 import random_moving 注意使用过程中的细微差别 ,小写开头的rand_moving是文件（或称为模块，一个模块中可以有一个类，或多个类），大写开头Rand_moving是类。
rm = Rand_moving()# 利用导入的 Rand_moving 类，创建一个实例rm，这里没有给定参数，默认是10万，可以修改为其他数据。
rm.fill_moving() # 调用类的方法fill_moving() ，并生成随机数列，存入到x_values和y_values中，
plt.scatter(rm.x_values, rm.y_values,s=15)#调用实例rm中位置数列x_values和y_values生成图表
plt.show()
程序运行效果(注意，为了对比，程序中创建了3个实例，其中一个为默认值，另两个为50万和5万，如果一直没显示，请耐心等会儿！)
上述三个实例处在同一图中，呈现不同颜色，如果只有一个实例，如何修改颜色？
入门(1)中，语句 plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,edgecolor='none', s=40) 是修改渐变色的，可偿试将randdraw_visual.py模块中进行如下修改：
plt.scatter(rm.x_values, rm.y_values,c=y_values, cmap=plt.cm.Reds,edgecolor='none',s=15)
注： c的参数是字符串，可以直接使用颜色的英文进行赋值，比如：c='yellow'，见后面修改起点、终点颜色。
指定一个红色，一个蓝色，实际运行效果（有重复的地方，实例设置为蓝色在后面，将红色盖住）：
除些之外，还可以对特定的点进行设定，也就是在语句plt.scatter(rm.x_values, rm.y_values,c=y_values, cmap=plt.cm.Reds,edgecolor='none',s=15)之后，再多几个相关语句，并给定相关点坐标。
import matplotlib.pyplot as plt
from rand_moving import * #也可以用import random_moving注意使用过程中的差别
rm = Rand_moving()# 创建一个实例rm，这里没有给定参数，默认是10万，可以修改为其他数据。
rm.fill_moving() # 调用类的方法fill_moving() ，并生成随机数列，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)
#调用实例rm中数列x_values和y_values生成图表#调用实例rm中数列x_values和y_values生成图表
new_rm = Rand_moving(500000)# 创建一个实例new_rm，是50万次
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)
# 重绘起点，终点
#因为两个实例的起点一样，只需一个起点即可
plt.scatter(rm.x_values, rm.y_values,c='yellow',edgecolor='none',s=100) #设置起点，把s设置较大，以示区别
#两个实例终点不同，分别重绘终点位置
plt.scatter(rm.x_values[-1], rm.y_values[-1],c='brown',edgecolor='none',s=100)#设置实例rm的终点，思考为什么用[-1]
plt.scatter(new_rm.x_values[-1], new_rm.y_values[-1],c='pink',edgecolor='none',s=100) #设置实例new_rm的终点
plt.show()
实际运行效果：
显示图表屏幕大小
图表适合屏幕大小能有效地将数据中的规律呈现出来，如果要调整屏幕大小，可调整matplotlib输出的尺寸
plt.figure(dpi=128,figsize=(12, 10))
函数 figure() 用于指定图表的宽度、高度、分辨率和背景色。
形参 figsize 指定一个元组
形参 dpi 向 figure() 传递该分辨率
注意：plt.figure(dpi=128,figsize=(12, 10))语句要在其他plt开始语句的前面，才能调整显示屏幕的大小。
import matplotlib.pyplot as plt
from rand_moving import * #也可以用import random_moving注意使用过程中的差别
#调整屏幕大小
plt.figure(dpi=128,figsize=(12, 10))#一开始就要定义显示的大小，当然，可以试一下，放到plt.show()之前其他位置的运行效果。
rm = Rand_moving()# 创建一个实例rm，这里没有给定参数，默认是10万，可以修改为其他数据。
rm.fill_moving() # 调用类的方法fill_moving() ，并生成随机数列，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)
#调用实例rm中数列x_values和y_values生成图表#调用实例rm中数列x_values和y_values生成图表
new_rm = Rand_moving(500000)# 创建一个实例new_rm，是50万次
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()
当然，还可以试一下他函数功能。
是不是有点小小的成就感！
请思考：
1、上述程序是否能进行优化（比如功能相同的）
2、创建三个3个实例，用了3个语句，能否建一个函数，只输入一个数n，就自动创建n个实例？同时，每个实例的num_times随机，(n比较大时，num_times应该比较小)
3、当实现上述功能后，程序运行，只输入一个参数（创建实例的个数），就会自动生成对应的num_times，并分别调用相关函数生成对应图表。
页:
[1]