Python学习之路日志—利用matplotlib开发数据可视化项目（2）

今天，我将继续利用matplotlib开发数据可视化项目的学习：

2.1 随机漫步：

首先，我将使用Python来生成随机漫步数据，再使用matplotlib将这些数据呈现出来。随机漫步是这样行走得到的路径：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。

为模拟随机漫步，我将创建一个名为RandomWalk 的类，它随机地选择前进方向。这个类需要三个属性，其中一个是存储随机漫步次数的变量num_points，其他两个是列表x_values和y_values，分别存储随机漫步经过的每个点的 x 和 y 坐标。 RandomWalk 类只包含两个方法：__init__() 和fill_walk() ，其中后者计算随机漫步经过的所有点：

# -*- coding:utf-8 -*-
from random import choice #每次做决策时都使用choice() 来决定使用哪种选择

class RandomWalk():
	#一个生成随机漫步数据的类

	def __init__(self, num_points = 6000):
		#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

		while len(self.x_values) < self.num_points: # 不断漫步，直到列表达到指定的长度

			# 决定前进方向以及沿这个方向前进的距离
			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

			# 拒绝原地踏步
			if x_step == 0 and y_step == 0:
				continue

			# 计算下一个点的x和y值
			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)

为做出随机决策，将所有可能的选择都存储在一个列表中，并在每次做决策时都使用choice() 来决定使用哪种选择（见第2行）。接下来，我在第7行将随机漫步包含的默认点数设置为6000，这大到足以生成有趣的模式，同时又足够小，可确保能够快速地模拟随机漫步。然后，在12-13行处，我们创建了两个用于存储 x 和 y 值的列表，并让每次漫步都从(0, 0)出发。

我们将使用fill_walk() 来生成漫步包含的点，并决定每次漫步的方向。在第18行处，我们建立了一个循环，这个循环不断运行，直到漫步包含所需数量的点。我们使用choice([1, -1]) 给x_direction 选择一个值，结果要么是表示向右走的 1 ，要么是表示向左走的 -1（见第21行）。接下来，choice([0, 1, 2, 3, 4]) 随机地选择一个0~4之间的整数，告诉Python沿指定的方向走多远（x_distance ）。（通过包含0，我们不仅能够沿两个轴移动，还能够沿 y 轴移动。） 在第23行和第27行处，我们将移动方向乘以移动距离，以确定沿 x 和 y 轴移动的距离。如果x_step 为正，将向右移动，为负将向左移动，而为零将垂直移动；如果y_step 为正，就意味着向上移动，为负意味着向下移动，而为零意味着水平移动。如果x_step 和y_step 都为零，则意味着原地踏步，我们拒绝这样的情况，接着执行下一次循环（见29-31行）。 为获取漫步中下一个点的 x 值，我们将x_step 与x_values 中的最后一个值相加（见第34行），对于 y 值也做相同的处理。获得下一个点的 x 值和 y 值后，我们将它们分别附加到列表x_values 和y_values 的末尾。

下面的代码将随机漫步的所有点都绘制出来：

import matplotlib.pyplot as plt

from random_walk import RandomWalk

# 创建一个RandomWalk实例，并将其包含的点都绘制出来

rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values, rw.y_values, s=13)
plt.show()

我们首先导入了模块pyplot 和RandomWalk 类，然后创建了一个RandomWalk 实例，并将其存储到rw中（见第8行），再调用fill_walk() 。在第10行处，我将随机漫步包含的 x 和 y 值传递给scatter() ，并选择了合适的点尺寸（13）。下图显示了包含6000个点的随机漫步图：

2.2 设置随机漫步图的样式：

现在，我们将定制图表，以突出每次漫步的重要特征，并让部分元素不那么显眼：

2.2.1 给点着色：

我们将使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，让它们的颜色更明显。为根据漫步中各点的先后顺序进行着色，我们传递参数c ，并将其设置为一个列表，其中包含各点的先后顺序。由于这些点是按顺序绘制的，因此给参数c 指定的列表只需包含数字1~5000，如下所示：

# -*- coding:utf-8 -*-
import matplotlib.pyplot as plt

from random_walk import RandomWalk



while True:
	# 创建一个RandomWalk实例，并将其包含的点都绘制出来

	rw = RandomWalk()
	rw.fill_walk()

	point_numbers = list(range(rw.num_points))#生成了一个数字列表，其中包含的数字个数与漫步包含的点数相同。
	plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Greens,
		 edgecolor='none', s=13)
	plt.show()

在14行处，我们使用了range() 生成了一个数字列表，其中包含的数字个数与漫步包含的点数相同。接下来，我们将这个列表存储在point_numbers 中，以便后面使用它来设置每个漫步点的颜色。我们将参数c 设置为point_numbers ，指定使用颜色映射Greens ，并传递实参edgecolor=none 以删除每个点周围的轮廓。最终的随机漫步图从浅绿色渐变为深绿色，如图所示：

2.2.2 重新绘制起点和终点：

除了给随机漫步的各个点着色，以指出它们的先后顺序外，我们还希望能呈现随机漫步的起点和终点。为此，可在绘制随机漫步图后重新绘制起点和终点。我们让起点和终点变得更大，并显示为不同的颜色，以突出它们，如下所示：

# -*- coding:utf-8 -*-
import matplotlib.pyplot as plt

from random_walk import RandomWalk



while True:
	# 创建一个RandomWalk实例，并将其包含的点都绘制出来

	rw = RandomWalk()
	rw.fill_walk()

	point_numbers = list(range(rw.num_points))#生成了一个数字列表，其中包含的数字个数与漫步包含的点数相同。
	plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Reds,
		 edgecolor='none', s=13)

	# 突出起点和终点
	plt.scatter(0, 0, c='BluE', edgecolors='none', s=150)
	plt.scatter(rw.x_values[-1], rw.y_values[-1], c='Red', edgecolors='none', s=150)

	plt.show()

为突出起点，我们使用蓝色绘制点(0, 0)，并使其比其他点大（s=150 ）。为突出终点，我们在漫步包含的最后一个 x 和 y 值处绘制一个点，将其颜色设置为红色，并将尺寸设置为150。然后将这些代码放在画其他点的代码的后面，确保在其他点的上面绘制起点和终点。 如果你现在运行这些代码，将能准确地知道每次随机漫步的起点和终点：

2.2.3 隐藏坐标轴：

下面来隐藏这个图表中的坐标轴，以免我们注意的是坐标轴而不是随机漫步路径：

# -*- coding:utf-8 -*-
import matplotlib.pyplot as plt

from random_walk import RandomWalk



while True:
	# 创建一个RandomWalk实例，并将其包含的点都绘制出来

	rw = RandomWalk()
	rw.fill_walk()

	point_numbers = list(range(rw.num_points))#生成了一个数字列表，其中包含的数字个数与漫步包含的点数相同。
	plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Reds,
		 edgecolor='none', s=13)

	# 突出起点和终点
	plt.scatter(0, 0, c='BluE', edgecolors='none', s=150)
	plt.scatter(rw.x_values[-1], rw.y_values[-1], c='Red', edgecolors='none', s=150)

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

	plt.show()

为修改坐标轴，使用了函数plt.axes() （见23-24行）来将每条坐标轴的可见性都设置为False 。随着你越来越多地进行数据可视化，经常会看到这种串接方法的方式。 如果你现在运行，将看到一系列图形，但看不到坐标轴：