matplotlib入门（三）----散点图与随机漫步

一、散点图

scatter()函数用于绘制一个点，它的基本用法同plot()差不多，示例如下：

示例1：

简单示例

#绘制一个点
import matplotlib.pyplot as plt
plt.scatter(2,4)
plt.show()

#绘制多个点,注意scatter()不能省略x轴参数
import matplotlib.pyplot as plt
x = [0,1,2,3,4]
y = [0,1,4,9,16]
plt.scatter(x,y,s=100) #参数s用于设置点的尺寸大小
plt.show()

示例2：

import matplotlib.pyplot as plt
x = list(range(1,1001))
y = [i**2 for i in x]
plt.scatter(x,y,s=1)
plt.axis([0,1100,0,1100000])
plt.show()

结果：

可以看到当点较多时它们将粘连为一条肉眼无法区分的曲线。


示例3：

生成随机点

import matplotlib.pyplot as plt
import numpy as np
x = np.random.rand(100)
y = np.random.rand(100)
plt.scatter(x,y,s=10,c='r')
plt.show()

结果：

二、颜色映射

颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射可用于突出数据的规律，使其可视性更强。

示例：

import matplotlib.pyplot as plt
x = list(range(1,1001))
y = [i**2 for i in x]
plt.scatter(x,y,s=1,c=y,cmap=plt.cm.Reds)
plt.axis([0,1100,0,1100000])
plt.show()

结果：

在示例中，我们将参数c设置为一个颜色列表，并使用cmap参数设置颜色映射，该颜色映射将会一一对应于颜色列表的每一个值上。
至于cmap参数的所有可选值，参照下面官方文档：
https://matplotlib.org/gallery/color/colormap_reference.html#sphx-glr-gallery-color-colormap-reference-py

三、随机漫步

随机漫步也叫随机游走，它的概念接近于布朗运动，是布朗运动的理想数学状态。随机漫步将得到一条随机路径，但这条路径里的每一次决策都是完全随机的，接下来用Python来模拟随机漫步。

为模拟随机漫步，我们将创建一个RandomWalk()类，它将模拟随机漫步的每一次随机决策。

RandomWalk()类（命名为rand_walk模块）：

from random import choice
class RandomWalk():
    def __init__(self,max_points=5000):
        self.max_points = max_points
        self.x_values = [0]
        self.y_values = [0]
    def fill_walk(self):
        #随机漫步点不达到5000个不结束循环
        while len(self.x_values) < self.max_points:
            x_direction = choice([1,-1])#x轴方向随机选择向左还是向右
            x_distance = choice(range(5))
            x_step = x_direction * x_distance
            
            y_direction = choice([1,-1])#y轴方向随机选择向上还是向下
            y_distance = choice(range(5))
            y_step = y_direction * y_distance
            if x_step == 0 and y_step == 0: #原地踏步则重新循环
                continue
            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)

随机漫步示例1：

import matplotlib.pyplot as plt
from rand_walk import RandomWalk
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values,rw.y_values,s=5,c='r')
plt.show()

结果：



随机漫步示例2：

添加colormap版。

import matplotlib.pyplot as plt
from rand_walk import RandomWalk
rw = RandomWalk()
rw.fill_walk()
points_num = list(range(rw.max_points))
#edgecolor 即点轮廓颜色属性，设为None
plt.scatter(rw.x_values,rw.y_values,s=5,c=points_num,cmap=plt.cm.Reds,edgecolor='None')
plt.show()

结果：

colormap呈现了点的先后顺序。


随机漫步示例3：

突出起点和终点并隐藏坐标轴。

import matplotlib.pyplot as plt
from rand_walk import RandomWalk
rw = RandomWalk()
rw.fill_walk()
points_num = list(range(rw.max_points))
plt.scatter(rw.x_values,rw.y_values,s=5,c=points_num,cmap=plt.cm.Reds,edgecolor='None')
#突出起始点与终止点
plt.scatter(0,0,c='black',s=10)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c='blue',s=10)
#隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)
plt.show()

结果：

随机漫步示例4：

更多的决策点

回顾：

本篇提及的一些方法与知识

flt.scatter() #绘制一个点

flt.axis([x_min,x_max,y_min,y_max]) #设置坐标轴范围

edgecolor #点的轮廓颜色属性

颜色映射 cmap参数 plt.cm.Reds

随机漫步 RandomWalk类

plt.axes().get_xaxis().set_visible(False) #隐藏坐标轴
plt.axis('off') #不显示坐标轴