《Python编程：从入门到实践》读书笔记：第15章 生成数据

目录

第15章 生成数据

15.1 安装Matplotlib

15.2 绘制简单的折线图

15.2.1 修改标签文字和线条粗细

 15.2.2 校正图形

15.2.3 使用内置样式

15.2.4 使用scatter()绘制散点图并设置样式

 15.2.5 使用scatter()绘制一系列点

15.2.6 自动计算数据

15.2.7 自定义颜色

15.2.8 使用颜色映射

15.2.9 自动保存图表

15.3 随机散步

15.3.1 创建RandomWalk类

15.3.2 选择方向

15.3.3 绘制随机漫步图

15.3.4 模拟多次随机漫步

15.3.5 设置随机漫步图的样式

15.4 使用Plotly模拟掷骰子

15.4.1 安装Plotly

15.4.2 创建Die类

15.4.3 掷骰子

15.4.4 分析结果

15.4.5 绘制直方图

15.4.6 同时掷两个骰子

15.4.7 同时掷两个面数不同的骰子

---

第15章 生成数据

数据可视化是指通过可视化表示来探索数据。它与数据分析紧密相关，而数据分析指的是使用代码来探索数据集的规律和关联。

漂亮地呈现数据并非仅仅关乎漂亮的图片，通过以引人注目的简单方式呈现数据，能让观看者明白其含义：发现数据集中原本未知的规律和意义。

15.1 安装Matplotlib

略

15.2 绘制简单的折线图

import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
fig, ax = plt.subplots()
ax.plot(squares)

plt.show()

15.2.1 修改标签文字和线条粗细

import matplotlib
import matplotlib.pyplot as plt
matplotlib.rc("font", family='Microsoft YaHei')

squares = [1, 4, 9, 16, 25]
fig, ax = plt.subplots()
ax.plot(squares)

# 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)

plt.show()

 15.2.2 校正图形

input_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
fig, ax = plt.subplots()
ax.plot(input_values, squares, linewidth=3)

15.2.3 使用内置样式

import matplotlib.pyplot as plt
print(plt.style.available)

['Solarize_Light2', '_classic_test_patch', '_mpl-gallery', '_mpl-gallery-nogrid', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.plot(input_values, squares, linewidth=3)

15.2.4 使用scatter()绘制散点图并设置样式

import matplotlib.pyplot as plt

plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.scatter(2, 4, s=200)

plt.show()

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 这两行需要手动设置

plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.scatter(2, 4, s=200)

# 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()

 15.2.5 使用scatter()绘制一系列点

plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.scatter(x_values, y_values, s=100)

15.2.6 自动计算数据

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, s=10)

# 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()

15.2.7 自定义颜色

 

ax.scatter(x_values, y_values, c='red', s=10)

注：以下问题暂时没有得到解决，所以汉字无法显示。

UserWarning: Glyph 24179 (\N{CJK UNIFIED IDEOGRAPH-5E73}) missing from current font.

ax.scatter(x_values, y_values, c=(0, 0.8, 0), s=10)

15.2.8 使用颜色映射

ax.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, s=10)

15.2.9 自动保存图表

path = "C:/users/xx/desktop/squares_plot.png"
plt.savefig(path, bbox_inches='tight')

15.3 随机散步

15.3.1 创建RandomWalk类

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])
            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值和y值。
            x = self.x_values[-1] + x_step
            y = self.y_values[-1] + y_step
            
            self.x_values.append(x)
            self.y_values.append(y)

15.3.3 绘制随机漫步图

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
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
    plt.style.use('classic')
    fig, ax = plt.subplots()
    ax.scatter(rw.x_values, rw.y_values, s=15)
    plt.show()

    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

    # 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)
    plt.show()

    # 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)

while True:
    # 创建一个RandomWalk实例。
    rw = RandomWalk(50_000)
    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=1)

 

while True:
    # 创建一个RandomWalk实例。
    rw = RandomWalk(50_000)
    rw.fill_walk()
    # 将所有的点都绘制出来。
    plt.style.use('classic')
    fig, ax = plt.subplots(figsize=(15, 9))
    point_numbers = range(rw.num_points)

15.4 使用Plotly模拟掷骰子

15.4.1 安装Plotly

pip install plotly

15.4.2 创建Die类

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

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)

[1, 6, 5, 1, 1, 6, 4, 6, 3, 1, 6, 2, 4, 5, 5, 3, 4, 4, 5, 4, 6, 2, 2, 1, 3, 1, 1, 1, 6, 2, 6, 2, 4, 5, 5, 3, 3, 5, 4, 4, 6, 2, 3, 4, 4, 4, 5, 6, 6, 3, 5, 1, 6, 3, 3, 5, 5, 5, 5, 2, 3, 1, 4, 6, 2, 1, 1, 4, 5, 6, 1, 4, 2, 6, 3, 4, 5, 6, 2, 2, 1, 2, 4, 2, 6, 6, 6, 6, 6, 1, 5, 6, 2, 2, 4, 2, 5, 6, 5, 6]

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)

15.4.5 绘制直方图

from plotly.graph_objs import Bar, Layout
from plotly import offline
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)

# 对结果进行可视化。
x_values = list(range(1, die.num_sides+1))
data = [Bar(x=x_values, y=frequencies)]

x_axis_config = {'title': '结果'}
y_axis_config = {'title': '结果的频率'}
my_layout = Layout(title='掷一个D6 1000次的结果',
                   xaxis=x_axis_config, yaxis=y_axis_config)
offline.plot({'data': data, 'layout':my_layout}, filename='d6.html')

15.4.6 同时掷两个骰子

from plotly.graph_objs import Bar, Layout
from plotly import offline
from die import Die

# 创建一个D6。
die1 = Die()
die2 = 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 = die1.roll() + die2.roll()
    results.append(result)

# 分析结果。
frequencies = []
max_result = die1.num_sides + die2.num_sides
for value in range(1, max_result+1):
    frequency = results.count(value)
    frequencies.append(frequency)

# 对结果进行可视化。
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')

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。
die1 = Die()
die2 = 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(50_000):
    result = die1.roll() + die2.roll()
    results.append(result)

# 分析结果。
frequencies = []
max_result = die1.num_sides + die2.num_sides
for value in range(1, max_result+1):
    frequency = results.count(value)
    frequencies.append(frequency)

# 对结果进行可视化。
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')