Python学习之路14-生成数据

摘要：小结本篇主要讲述了如何生成数据集以及如何对其进行可视化如何使用创建简单的图表如果使用散点图来探索随机漫步过程如何使用创建直方图，以及如何使用直方图来探索同时掷两个面数不同的骰子的结果。

《Python编程：从入门到实践》笔记。
从本篇起将用三篇的篇幅介绍如何用Python进行数据可视化。

从本篇开始，我们将用三篇的篇幅来初步介绍如何使用Python来进行数据可视化操作。本篇的内容包括：

绘制简单的折线图；

随机漫步；

使用Pygal模拟掷骰子。

在正式开始之前，需要安装两个扩展包：matplotlib和pygal。Python中安装第三方库的方式已在上一个项目中介绍过了，这里不再赘述。

首先我们绘制一个简单的折线图，代码保存到mpl_squares.py文件中：

import matplotlib.pyplot as plt

# 输入数据, x轴
input_values = [1, 2, 3, 4, 5]
# 输出数据, y轴
squares = [1, 4, 9, 16, 25]
# linewidth表示线条的粗细
plt.plot(input_values, squares, linewidth=5)

# 设置图标标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis="both", labelsize=14)

plt.show()

matplotlib.pyplot.plot()函数可以只传入一个squares参数，表示y轴的值，此时将从x轴0点处开始一一对应。有时这样很简便，但在此例中图标将不正确，所以我们传入了input_values列表，将其与squares列表一一对应。

代码从第10行到15行都可以省了，这些代码只是让图表的信息更全。最终的结果如下：

我们使用matplotlib.pyplot中的scatter()函数来生成散点图，将代码保存到scatter_squares.py文件中：

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]

# s表示点的大小，edgecolor表示点的轮廓的颜色,c表示数据点的颜色(可以使用RGB颜色)
# plt.scatter(x_values, y_values, s=4, edgecolor="none", c="red")

# 使用渐变色, 给c赋值了一个y值列表，并使用参数cmap告诉pylot使用哪个颜色来映射
plt.scatter(x_values, y_values, s=40, edgecolor="none", c=y_values, cmap=plt.cm.Blues)

# 设置图表标题并给坐标轴加上标签
plt.title("Square Number", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度的大小
plt.tick_params(axis="both", which="major", labelsize=14)

# 每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])

# 第一个参数是路径名，第二个参数指定将图表多余的空白区域裁减掉。
plt.savefig("squares.png", bbox_inches="tight")

plt.show()

我们使用了列表生成式来生成y轴的数据，并使用渐变色来绘制图像，matplotlib.pyplot.cm.Blues是matplotlib自带的渐变色，它和c的每一个值对应。通过pyplot的axis()函数来设置每个轴的取值范围。最后将图像保存到本地。生成的图像如下：

随机漫步指的是：每次行走都完全随机，没有明确的方向，结果是由一系列随机决策决定的。在自然界、物理学、生物学、化学和经济领域，随机漫步都有其实际用途。

使用Python生成随机漫步数据，再使用matplotlib将这些数据绘制出来。首先创建RandomWalk类，代码保存到random_walk.py文件中：

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)，这两个列表用于存储随机漫步数据
        self.x_values = [0]
        self.y_values = [0]

    def fill_walk(self):
        """计算随机漫步包含的所有点"""

        # 不断漫步，直到列表到达指定的长度
        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
            # 通过choice从给定值中随机选取
            x_direction = choice([1, -1])  # 正向还是负向
            x_distance = choice([0, 1, 2, 3, 4])  # 移动的距离
            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

            # 计算下一个点的坐标
            next_x = self.x_values[-1] + x_step
            next_y = self.y_values[-1] + y_step

            self.x_values.append(next_x)
            self.y_values.append(next_y)

下面的代码用于生成随机漫步图像，代码保存到rw_visual.py文件中：

import matplotlib.pyplot as plt
from random_walk import RandomWalk

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

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

    # 绘制随机漫步的图像
    point_number = list(range(rw.num_points))
    plt.scatter(rw.x_values, rw.y_values, s=1, c=point_number,
                edgecolors="none", cmap=plt.cm.Blues)

    # 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()

    if input("Make another walk?(y/n)") == "n":
        break

程序通过一个循环类多次绘制随机漫步图；通过pyplot的figure()函数来设置图像的尺寸，figsize的单位是英寸；通过渐变色来绘制图像的路径，颜色由浅到深，并且我们将起点（绿色）和终点（红色）显著标出；最后隐藏坐标轴。最终的图像如下（每次运行的效果都不同）：

首先我们需要创建一个骰子类Dice，将其保存到dice.py中：

from random import randint

class Dice:
    """表示一个骰子类"""
    def __init__(self, num_sides=6):
        """骰子默认为6面"""
        self.num_sides = num_sides

    def roll(self):
        """返回一个位于1和骰子面数之间的随机值"""
        return randint(1, self.num_sides)

可以自行设定骰子的面数。下面是掷两个骰子50000次，统计俩骰子点数之和的分布的模拟，最后生成了一个矢量文件.svg文件，它能在浏览器中打开，代码如下：

import pygal
from dice import Dice

dice_1 = Dice()
dice_2 = Dice(10)

# 掷骰子多次，并将结果存储在一个列表中
results = []
for roll_num in range(50000):
    results.append(dice_1.roll() + dice_2.roll())

# 分析结果
frequences = []
# 能够模拟掷任何双骰子的情况，不管这些骰子有多少面
max_result = dice_1.num_sides + dice_2.num_sides
for value in range(2, max_result + 1):
    # 统计每个结果的频数
    frequences.append(results.count(value))

# 对结果进行可视化
# 创建条形图
hist = pygal.Bar()

hist.title = "Result of rolling a D6 and a D10 50000 times."
# 创建x轴上的刻度
hist.x_labels = [str(value) for value in range(2, max_result + 1)]
hist.x_title = "Result"
hist.y_title = "Frequency of Result"

# 给这组数据起个名字，并加到图表中
hist.add("D6 + D10", frequences)
# 将图像渲染为svg文件，矢量图
hist.render_to_file("dice_visual.svg")

注意，frequences中的数据依次与hist.x_labels对应。下面是最终结果：

Pygal让这个图表具有交互性：如果你将鼠标指向该图中的任何数据条，将看到它的具体数据。

本篇主要讲述了：

如何生成数据集以及如何对其进行可视化；

如何使用matplotlib创建简单的图表；

如果使用散点图来探索随机漫步过程；

如何使用Pygal创建直方图，以及如何使用直方图来探索同时掷两个面数不同的骰子的结果。

迎大家关注我的微信公众号"代码港" & 个人网站 www.vpointer.net ~