Python编程学习笔记 - 随机漫步

最新推荐文章于 2023-04-19 19:43:17 发布

jiafengfu

最新推荐文章于 2023-04-19 19:43:17 发布

阅读量1.2k

点赞数 1

分类专栏： Python 文章标签： Python 学习笔记随机漫步

本文链接：https://blog.csdn.net/weixin_43379056/article/details/84029925

版权

Python 专栏收录该内容

100 篇文章 3 订阅

订阅专栏

0. 随机漫步

我们将使用Python来生成随机漫步数据，再使用matplotlib以引人瞩目的方式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。

在自然界、物理界、生物学、化学和经济领域，随机漫步都有其实际用途。例如：漂浮在水滴上的花粉因不断受到水分子的挤压而在水面上移动。水滴中的分子运动是随机的，因此花粉在水面上的运动路径犹如随机漫步。

1. 创建RandomWalk()类

为模拟随机漫步，我们将创建一个名为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，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的坐标。

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。先来看看__init__()：

from random import choice
    
class RandomWalk():
    """ a class to genetate random walk data """

    def __init__(self, num_points=5000):
        self.num_points = num_points

        self.x_values = [0]
        self.y_values = [0]

为做出随机决策，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。接下来，我们将随机漫步包含的默认点数设置为5000点，这大到足以生成有趣的模式，同时有足够小，可确保能够快速地模拟随机漫步。然后，我们创建了两个用于存储x和y值得列表，并让每次漫步都从点(0, 0)出发。

2. 选择方向

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。

    def fill_walk(self):
        while len(self.x_values) < self.num_points:
            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

            if x_step == 0 and y_step == 0:
                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)

我们建立了一个循环，这个循环不断运行，直到漫步包含所数量的点。这个方法的主要部分告诉Python如何模拟四种漫步决定：向右走还是向左走？焱指定的方向走多远？向上走还是向下走？沿选定的方向走多远？

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。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。）

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。

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，对于y值也做相同的处理。获得下一个点的x值和y值后，我们将他们分别附加到列表x_values和y_values的末尾。

3. 绘制随机漫步图

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

rw = RandomWalk()
rw.fill_walk()

plt.scatter(rw.x_values, rw.y_values, s=15)

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，再调用fill_walk()。我们将随机漫步包含的x和y值传递给scatter()，并选择了合适的点尺寸。下图包含了包含了5000个点的随机漫步图：
在这里插入图片描述

4. 模拟多次随机漫步

每次随机漫步都不同，因此探索可能生成的各种模式很有趣。要在不多次运行程序的情况下使用前面的代码模拟多次随机漫步，一种办法是将这些代码放在一个while循环中：

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True:
    rw = RandomWalk()
    rw.fill_walk()
    plt.scatter(rw.x_values, rw.y_values, s=15)
    plt.show()

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

关闭查看器，程序将询问你，如果你输入y，可继续模拟一次随机漫步，要结束模拟，请输入n。

5. 设置随机漫步图的样式

我们将定制图表，以突出每次漫步的重要特征，并让分散注意力的元素不那么显眼。为此，我们确定要突出的元素，如漫步的起点、终点和经过的路径。接下来确定要使其不那么显眼的元素，如刻度标记和标签。最终的结果是简单的可视化表示，清楚地指出了每次漫步经过的路径。

5.1 给点着色

我们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。由于这些点是按照顺序绘制的，因此给参数c指定的列表只需包含数字1~5000，如下所示：

import matplotlib.pyplot as plt
from random_walk import RandomWalk

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

	point_numbers = list(range(rw.num_points))
	plt.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

我们使用了range()生成了一个数字序列，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Blues，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蓝色渐变为深蓝色，如下图：
在这里插入图片描述

5.2 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：

	plt.scatter(0, 0, c='green',edgecolor='None', s=100)
	plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolor='None', s=100)

为突出起点，我们使用绿色绘制点(0, 0)，并使其比其他点大(s=100)。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100。请务必将这些代码放在调用plt.show()的代码前面，确保在其他点的上面绘制起点和终点。
在这里插入图片描述

5.3 隐藏坐标轴

下面来隐藏图标中的坐标轴，以免我们注意的是坐标轴而不是随机漫步路径。要隐藏坐标轴，可使用如下代码：

	plt.axes().get_xaxis().set_visible(False)
	plt.axes().get_yaxis().set_visible(False)

5.4 增加点数

增加点数，以提供更多的数据。为此，我们在创建RandomWalk实例时增大num_points的值，并在绘制时调整每个点的大小，如下所示：

	rw = RandomWalk(50000)

完整代码如下所示：

import matplotlib.pyplot as plt

from random_walk import RandomWalk

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

    point_numbers = list(range(rw.num_points))

    plt.scatter(rw.x_values, rw.y_values, c=point_numbers, 
             cmap=plt.cm.Blues, edgecolors='None', s=1)

    plt.scatter(0, 0, c='green',edgecolor='None', s=100)
    plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolor='None', s=100)
    
    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

下图模拟了一次50000个点的随机漫步，并将每个点的大小调整为1。最终的随机漫步图更纤细，犹如云朵，像一件艺术品。
在这里插入图片描述

5.5 调整尺寸以适应屏幕

图表适合屏幕大小时，更能有效地将数据中的规律呈现出来。为让绘图窗口更适应屏幕大小，可像下面这样调整matplotlib输出的尺寸：

...
	plt.figure(figsize=(10, 6))
	or 
	plt.figure(dpi=128, figsize=(10, 6))
...

6. 改进的随机漫步

方法fill_walk()很长。新建了一个get_step()的方法，用于确定每次漫步的距离和方向，并计算这次漫步将如何移动。然后，在fill_walk()中调用get_step()两次。这样可缩小fill_walk()的规模，让这个方法阅读和理解起来更容易。

另外，列表xy_direction和xy_distance作了些许更新。

random_walk.py 原代码如下：

from random import choice
    
class RandomWalk():
    """ a class to genetate random walk data """

    def __init__(self, num_points=5000):
        self.num_points = num_points

        self.x_values = [0]
        self.y_values = [0]

    def get_step(self):
            xy_direction = choice([1, 0, -1])
            xy_distance  = choice([0, 1, 2, 3, 4, 5, 6, 7, 8])
            return xy_direction * xy_distance
    
    def fill_walk(self):
        while len(self.x_values) < self.num_points:
            x_step = self.get_step()
            y_step = self.get_step()

            if x_step == 0 and y_step == 0:
                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)

rw_visual.py 原代码如下

import matplotlib.pyplot as plt
    
from random_walk import RandomWalk

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

    plt.figure(dpi=128, figsize=(10, 6))

    point_numbers = list(range(rw.num_points))

    plt.scatter(rw.x_values, rw.y_values, c=point_numbers, 
             cmap=plt.cm.Blues, edgecolors='None', s=1)

    plt.scatter(0, 0, c='green',edgecolor='None', s=20)
    plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolor='None', s=20)
    
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)

    plt.show()
    #plt.savefig('rw_visual.png', bbox_inches='tight')

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

生成的图跟以前差不多:
在这里插入图片描述

文章内容来自《Python编程从入门到实践》 [美] Eric Matthes 袁国忠译

jiafengfu

关注

1
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
Python编程学习笔记 - 随机漫步

0. 随机漫步我们将使用Python来生成随机漫步数据，再使用matplotlib以引人瞩目的方式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。在自然界、物理界、生物学、化学和经济领域，随机漫步都有其实际用途。例如：漂浮在水滴上的花粉因不断受到水分子的挤压而在水面上移动。水滴中的分子运动是随机的，因此花粉在水面上的运动路...
复制链接

扫一扫