该博客介绍了使用Python进行数据可视化的实践，包括使用Matplotlib绘制折线图、散点图，调整图形样式，以及通过Plotly模拟随机漫步和掷骰子。内容涵盖修改标签、线条样式、颜色映射、自动生成数据，以及随机漫步和骰子游戏的可视化分析。
第 15 章 生成数据
软件准备
- 安装Matplotlib
- 安装ploty
pip install matplotlib
pip install plotly
15.2 绘制简单的折线图
mpl_squares.py
import matplotlib.pyplot as plt
squares = [1,4,9,16,25]
# 变量fig 表示整张图片，变量ax表示图片中的各个图表
fig, ax = plt.subplots()
ax.plot(squares)
# 打开Matplotlib查看器并显示绘制的图表
plt.show()
运行结果：
15.2.1 修改标签文字和线条粗细
import matplotlib.pyplot as plt
squares = [1,4,9,16,25]
# 变量fig 表示整张图片，变量ax表示图片中的各个图表
fig, ax = plt.subplots()
ax.plot(squares,linewidth=3)
# 设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
# 设置刻度标记的大小
ax.tick_params(axis='both',labelsize=14)
# 打开Matplotlib查看器并显示绘制的图表
plt.show()
运行结果：
15.2.2 校正图形
import matplotlib.pyplot as plt
input_values = [1,2,3,4,5]
squares = [1,4,9,16,25]
# 变量fig 表示整张图片，变量ax表示图片中的各个图表
fig, ax = plt.subplots()
ax.plot(input_values,squares,linewidth=3)
# 设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
# 设置刻度标记的大小
ax.tick_params(axis='both',labelsize=14)
# 打开Matplotlib查看器并显示绘制的图表
plt.show()
运行结果：
15.2.3 使用内置样式
import matplotlib.pyplot as plt
input_values = [1,2,3,4,5]
squares = [1,4,9,16,25]
# 变量fig 表示整张图片，变量ax表示图片中的各个图表
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.plot(input_values,squares,linewidth=3)
# 设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
# 设置刻度标记的大小
ax.tick_params(axis='both',labelsize=14)
# 打开Matplotlib查看器并显示绘制的图表
plt.show()
运行结果：
15.2.4 使用scatter() 绘制散点图并设置样式
catter_squares.py
import matplotlib.pyplot as plt
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.scatter(2,4,s=200) # 加上标签，并确保所有文本都达到能够看清
# 设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
# 设置刻度标记的大小
ax.tick_params(axis='both',which='major',labelsize=14)
plt.show()
运行结果：
15.2.5 使用scatter() 绘制一系列点
scatter_squares.py
import matplotlib.pyplot as plt
x_values = [1,2,3,4,5]
y_values = [1,4,9,16,25]
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.scatter(x_values,y_values,s=100)
# 设置图表标签并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
plt.show()
运算结果：
15.2.6 自动计算数据
scatter_squares.py
import matplotlib.pyplot as plt
# x_values = [1,2,3,4,5]
# y_values = [1,4,9,16,25]
x_values = range(1,1001)
y_values = [x**2 for x in x_values]
plt.style.use('seaborn')
fig, ax = plt.subplots()
# ax.scatter(x_values,y_values,s=100)
ax.scatter(x_values,y_values,s=10) # 将点设置得较小
# 设置图表标签并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
# 设置每个坐标轴的取值范围
ax.axis([0,1100,0,1100000])
plt.show()
运行结果：
15.2.7 自定义颜色
- 值越接近0，指定的颜色越深；值越接近1，指定的颜色越浅。
import matplotlib.pyplot as plt
x_values = range(1,1001)
y_values = [x**2 for x in x_values]
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.scatter(x_values,y_values,c=(0,0.8,0),s=10)
# ax.scatter(x_values,y_value,s='green',s=10)也可以
# 设置图表标签并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
# 设置每个坐标轴的取值范围
ax.axis([0,1100,0,1100000])
plt.show()
运行结果：
15.2.8 使用颜色映射
import matplotlib.pyplot as plt
x_values = range(1,1001)
y_values = [x**2 for x in x_values]
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,s=10)
# 设置图表标签并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
# 设置每个坐标轴的取值范围
ax.axis([0,1100,0,1100000])
plt.show()
运行结果：
注意
要了解pyplot 中所有的颜色映射，请访问Matplotlib网站主页，单击Examples，向下滚动到Color，再单击Colormaps reference。
15.2.9 自动保存图表
import matplotlib.pyplot as plt
x_values = range(1,1001)
y_values = [x**2 for x in x_values]
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,s=10)
# 设置图表标签并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
# 设置每个坐标轴的取值范围
ax.axis([0,1100,0,1100000])
# 第一个实参指定要以什么文件名保存图表，这个文件将存储到scatter_squares.py所在的目录。第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空白区域，只需省略这个实参即可。
plt.savefig('squares_plot.png',bbox_inches='tight')
15.3 随机漫步
15.3.1 创建RandomWalk 类
random_walk.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]
15.3.2 选择方向
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点"""
# 不断漫步，直到列表达到指定的长度
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
x_direction = choice([1,-1])
# 如果x_step 为正将向右移动，为负将向左移动，为零将垂直移动
x_distance = choice([0,1,2,3,4])
x_step = x_direction * x_distance
# 如果y_step 为正将向上移动，为负将向下移动，为零将水平移动
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x值和y值
x = self.x_values[-1] + x_step
y = self.y_values[-1] + y_step
# 获得下一个点的x值和y值后，将它们分别附加到列表x_values 和y_values 的末尾
self.x_values.append(x)
self.y_values.append(y)
15.3.3 绘制随机漫步图
rw_visual.py
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 创建一个RandomWalk实例
rw = RandomWalk()
rw.fill_walk()
# 将所有的点都绘制出来
plt.style.use('classic')
fig,ax = plt.subplots()
ax.scatter(rw.x_values,rw.y_values,s=15)
plt.show()
15.3.4 模拟多次随机漫步
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例
rw = RandomWalk()
rw.fill_walk()
# 将所有的点都绘制出来
plt.style.use('classic')
fig,ax = plt.subplots()
ax.scatter(rw.x_values,rw.y_values,s=15)
plt.show()
# 要结束程序，请输入 n
keep_running = input("Make another walk?(y/n)： ")
if keep_running == 'n':
break
15.3.5 设置随机漫步图的样式
- a. 给点着色
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例
rw = RandomWalk()
rw.fill_walk()
# 将所有的点都绘制出来
plt.style.use('classic')
fig,ax = plt.subplots()
# 使用range() 生成了一个数字列表，其中包含的数与漫步包含的点数量相同
point_numbers = range(rw.num_points)
# 传递实参edgecolors='none' 以删除每个点周围的轮廓
ax.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)
plt.show()
keep_running = input("Make another walk?(y/n)： ")
if keep_running == 'n':
break
- b. 重新绘制起点和终点
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例
rw = RandomWalk()
rw.fill_walk()
# 将所有的点都绘制出来
plt.style.use('classic')
fig,ax = plt.subplots()
point_numbers = range(rw.num_points)
ax.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)
# 突出起点和终点
ax.scatter(0,0,c='green',edgecolors='none',s=100)
ax.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
plt.show()
keep_running = input("Make another walk?(y/n)： ")
if keep_running == 'n':
break
- c. 隐藏坐标轴
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例
rw = RandomWalk()
rw.fill_walk()
# 将所有的点都绘制出来
plt.style.use('classic')
fig,ax = plt.subplots()
point_numbers = range(rw.num_points)
ax.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)
# 突出起点和终点
ax.scatter(0,0,c='green',edgecolors='none',s=100)
ax.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
# 隐藏坐标轴
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
plt.show()
keep_running = input("Make another walk?(y/n)： ")
if keep_running == 'n':
break
- d. 增加点数
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例
rw = RandomWalk(50000)
rw.fill_walk()
# 将所有的点都绘制出来
plt.style.use('classic')
fig,ax = plt.subplots()
point_numbers = range(rw.num_points)
ax.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)
# 突出起点和终点
ax.scatter(0,0,c='green',edgecolors='none',s=100)
ax.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
# 隐藏坐标轴
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
plt.show()
keep_running = input("Make another walk?(y/n)： ")
if keep_running == 'n':
break
- e. 调整尺寸以适合屏幕
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例
rw = RandomWalk(50000)
rw.fill_walk()
# 将所有的点都绘制出来
plt.style.use('classic')
# 创建图表时，可传递参数figsize 以指定生成的图形的尺寸。需要给参数figsize 指定一个元组，向Matplotlib指出绘图窗口的尺寸，单位为英寸
fig,ax = plt.subplots(figsize=(15,9))
# Matplotlib假定屏幕分辨率为100像素/英寸。
fig,ax = plt.subplots(figsize=(10,6),dpi=128)
point_numbers = range(rw.num_points)
ax.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)
# 突出起点和终点
ax.scatter(0,0,c='green',edgecolors='none',s=100)
ax.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
# 隐藏坐标轴
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
plt.show()
keep_running = input("Make another walk?(y/n)： ")
if keep_running == 'n':
break
15.4 使用Plotly模拟掷骰子
15.4.2 创建Die 类
die.py
from random import randint
class Die:
"""表示一个骰子的类"""
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)
15.4.3 掷骰子
die_visual.py
from die import Die
# 创建一个D6
die = Die()
# 掷几次骰子并将结果存储在一个列表中。
results = []
for roll_num in range(100):
result = die.roll()
results.append(result)
print(results)
15.4.4 分析结果
from die import Die
# 创建一个D6
die = Die()
# 掷几次骰子并将结果存储在一个列表中。
results = []
for roll_num in range(1000):
result = die.roll()
results.append(result)
# 分析结果
frequencies = []
for value in range(1,die.num_sides+1):
frequency = results.count(value)
frequencies.append(frequency)
print(frequencies)
结果：
[164, 174, 188, 179, 147, 148]
[Finished in 1.0s]
有6个值，对应掷D6时可能出现的每个点数；另外，没有任何点数出现的频率比其他点数高很多。
15.4.5 绘制直方图
from die import Die
from plotly.graph_objs import Bar,Layout
from plotly import offline
# 创建一个D6
die = Die()
# 掷几次骰子并将结果存储在一个列表中。
results = []
for roll_num in range(1000):
result = die.roll()
results.append(result)
# 分析结果
frequencies = []
for value in range(1,die.num_sides+1):
frequency = results.count(value)
frequencies.append(frequency)
# 对结果进行可视化
x_values = list(range(1,die.num_sides+1))
# 将可能出现的点数（1到骰子的面数）存储在x_values的列表中
# Plotly不能直接接受函数range()的结果，因此需要函数list()将其转换为列表
# Plotly类Bar()表示用于绘制条形图的数据集，需要存储一个x值的列表和一个存储y值的列表，这个类必须放在括号内，因为数据集可能包含多个元素
data = [Bar(x=x_values,y=frequencies)]
# 每个坐标轴都能以不同的方式进行配置，而每个配置选项都是一个字典元素。这里只设置了坐标轴标签
x_axis_config = {'title': '结果'}
y_axis_config = {'title': '结果的频率'}
# 类Layout()返回一个指定图标布局和配置的对象
my_layout = Layout(title='掷一个D6 1000次的结果',xaxis=x_axis_config,yaxis=y_axis_config)
# 生成图表，需要包含一个包含数据和布局对象的字典，还接受一个文件名，指定图标保存到哪里
offline.plot({'data':data,'layout':my_layout},filename='d6.html')
结果：
15.4.6 同时掷两个骰子
dice_visual.py
from plotly.graph_objs import Bar,Layout
from plotly import offline
from die import Die
# 创建两个D6
die_1 = Die()
die_2 = Die()
# 掷几次骰子并将结果存储在一个列表中
results = []
for roll_num in range(1000):
result = die_1.roll() + die_2.roll()
results.append(result)
# 分析结果
frequencies = []
max_result = die_1.num_sides + die_2.num_sides
for value in range(2,max_result+1):
frequency = results.count(value)
frequencies.append(frequency)
# 可视化结果
x_values = list(range(2,max_result+1))
data = [Bar(x=x_values,y=frequencies)]
x_axis_config = {'title':'结果','dtick':1}
y_axis_config = {'title':'结果的频率'}
my_layout = Layout(title='掷两个D6 1000次的结果',xaxis=x_axis_config,yaxis=y_axis_config)
offline.plot({'data':data,'layout':my_layout},filename='d6_d6.html')
结果：
这个图表显示了掷两个D6时得到的大致结果。如你所见，总点数
为2或12的可能性最小，而总点数为7的可能性最大。这是因为在下面6种情况下得到的总点数都为7：1和6、2和5、3和4、4和3、5和2以及6和1。
15.4.7 同时掷两个面数不同的骰子
from plotly.graph_objs import Bar,Layout
from plotly import offline
from die import Die
# 创建一个D6和一个D10
die_1 = Die()
# 传递实参10，10面骰子
die_2 = Die(10)
# 掷几次骰子并将结果存储在一个列表中
results = []
for roll_num in range(50000):
result = die_1.roll() + die_2.roll()
results.append(result)
# 分析结果
frequencies = []
max_result = die_1.num_sides + die_2.num_sides
for value in range(2,max_result+1):
frequency = results.count(value)
frequencies.append(frequency)
# 可视化结果
x_values = list(range(2,max_result+1))
data = [Bar(x=x_values,y=frequencies)]
x_axis_config = {'title':'结果','dtick':1}
y_axis_config = {'title':'结果的频率'}
my_layout = Layout(title='掷一个D6和一个D10 50000次的结果',xaxis=x_axis_config,yaxis=y_axis_config)
offline.plot({'data':data,'layout':my_layout},filename='d6_d10.html')
结果：
扫一扫
554
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
