随机漫步(Random walk)是一种数学统计模型,它由一连串轨迹所组成。其中每一次都是随机的,它能用来表示不规则的变动形式。气体或液体中分子活动的轨迹等可作为随机漫步的模型
运行环境
windows 10
python v3.7
pip install matplotlib
分析
为模拟随机漫步,我们创建一个 RandomWalk 的类,它随机的选择前进方向,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,其他两个是列表,分别存储随机漫步经过的每个点的 x 和 y 坐标。使用 fill_walk() 来生成漫步包含的点,并决定每次漫步的方向。把相关数据存储好后,再利用 python 的强大的库 matplotlib 把数据绘制成图表。
1. RondomWalk.py
#!/usr/bin/python3
# -*- coding: utf-8 -*-
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])
x_distance = choice([0, 1, 2, 3])
x_step = x_direction * x_distance
y_direction = choice([1, -1])
y_distance = choice([0, 1, 2, 3])
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)
2. RW_Visual.py
#!/usr/bin/python3
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
from RandomWalk 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,并将其包含的点都绘制出来
rw = RandomWalk(5000)
rw.fill_walk()
# 设置绘图窗口的尺寸
plt.figure(dpi=128, figsize=(10, 6))
# 绘制点并将图形显示出来
point_numbers = list(range(rw.num_points))
# plt.scatter(rw.x_values, rw.y_values, s=15)
plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Greens,
edgecolors='none', s=15)
# 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("Make another walk? (y/n):")
if keep_running == "n":
break
3. 运行结果: