数据可视化_生成数据

Guibs82 · Guibs82 · commit 82882d4d5c19 · 2016-09-11T02:03:18.000+08:00
数据可视化_生成数据
diff --git a/017_Data_Visualization/CreateData/die.py b/017_Data_Visualization/CreateData/die.py
@@ -0,0 +1,12 @@
+from random import randint
+
+class Die():
+    """表示一个骰子的类"""
+
+    def __init__(self, num_sides=6):
+        """骰子默认6个面"""
+        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)
diff --git a/017_Data_Visualization/CreateData/die_visual.py b/017_Data_Visualization/CreateData/die_visual.py
@@ -0,0 +1,39 @@
+import shutil
+import pygal
+
+from die import Die
+
+# 创建一个 D6 和 D10 [8面骰子]
+die_1 = Die()
+die_2 = Die(10)
+
+# 抛几次骰子, 并将结果存储在一个数组中
+results = []
+for roll_num in range(100):
+    result = die_1.roll() + die_2.roll()
+    results.append(result)
+
+print(results)
+
+# 分析结果
+frequencies = []
+
+for value in range(2, die_1.num_sides + die_2.num_sides):
+    frequency = results.count(value)
+    frequencies.append(frequency)
+
+print(frequencies)
+
+# 对结果进行可视化
+hist = pygal.Bar()
+
+hist.title = "抛 D6 和 D10 骰子的和"
+hist.x_labels = ['2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16']
+hist.x_title = "结果"
+hist.y_title = "次数"
+
+hist.add('D6 + D10', frequencies) # 柱状图注释及数值
+hist.render_to_file('die_visual.svg')
+
+# 移动生成图片的位置
+shutil.move("die_visual.svg", 'images/die_visual.svg')
diff --git a/017_Data_Visualization/CreateData/images/die_visual.svg b/017_Data_Visualization/CreateData/images/die_visual.svg
diff --git a/017_Data_Visualization/CreateData/images/squares_plot.png b/017_Data_Visualization/CreateData/images/squares_plot.png
diff --git a/017_Data_Visualization/CreateData/mpl_squares.py b/017_Data_Visualization/CreateData/mpl_squares.py
@@ -0,0 +1,18 @@
+# 折线图
+
+import matplotlib.pyplot as plt
+
+input_values = [1, 2, 3, 4, 5] # x
+squares = [1, 4, 9, 16, 25] # y
+
+plt.plot(input_values, squares, linewidth=5) # 根据参数绘制图形, 设置线条宽度
+
+# 设置图标标题, 并给坐标轴加上标签
+plt.title("Square Numbers", fontsize=24)
+plt.xlabel('值', fontsize=14)
+plt.ylabel('值的平方', fontsize=14)
+
+# 设置刻度标记的大小
+plt.tick_params(axis='both', labelsize=14)
+
+plt.show() # 打开 matplotlib 查看器, 并显示绘制的图形
diff --git a/017_Data_Visualization/CreateData/random_walk.py b/017_Data_Visualization/CreateData/random_walk.py
@@ -0,0 +1,35 @@
+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):
+        """不断漫步, 直到列达到指定的长度"""
+        while len(self.x_values) <  self.num_points: # 少于5000或自定义的步数
+            # 决定前进方向以及沿这个方向前进的距离
+            x_direction = choice([1, -1]) # 方向 [左, 右]
+            x_distance = choice([0, 1, 2, 3, 4]) # 距离 [0, 1, 2, 3, 4]
+            x_step = x_direction * x_distance
+
+            y_direction = choice([1, -1])  # 方向 [上, 下]
+            y_distance = choice([0, 1, 2, 3, 4])  # 距离 [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 # x_values[-1] x_values 的最后一个元素
+            next_y = self.y_values[-1] + y_step  # y_values[-1] y_values
+
+            self.x_values.append(next_x)
+            self.y_values.append(next_y)
diff --git a/017_Data_Visualization/CreateData/rw_visual.py b/017_Data_Visualization/CreateData/rw_visual.py
@@ -0,0 +1,32 @@
+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起来
+while True:
+    rw = RandomWalk(50000)
+    rw.fill_walk()
+
+    # 设置绘制窗口大小
+    # figsize 单位为英寸
+    # dpi: 像素/英寸 [Python 默认值80]
+    plt.figure(dpi=128, figsize=(10, 6))
+
+    point_orders = list(range(rw.num_points))
+    # c=point_numbers, cmap=plt.cm.Blues 根据点的先后顺序进行蓝色的映射
+    plt.scatter(rw.x_values, rw.y_values, edgecolors='none', s=1, c=point_orders, cmap=plt.cm.Blues)
+
+    # 重绘起点终点从而突出
+    plt.scatter(0, 0, c='green', edgecolors='none', s=20)
+    plt.scatter(rw.x_values[-1], rw.y_values[-1], c='yellow', edgecolors='none', s=20)
+
+    # 隐藏坐标轴
+    plt.axes().get_xaxis().set_visible(False)
+    plt.axes().get_yaxis().set_visible(False)
+
+    plt.show()
+
+    # 关闭绘制的图片后, 询问是否再次绘制
+    rw_again = input("是否再次绘制?(y/n):\n")
+    if rw_again == 'n':
+        break
diff --git a/017_Data_Visualization/CreateData/scatter_squares.py b/017_Data_Visualization/CreateData/scatter_squares.py
@@ -0,0 +1,42 @@
+# 散点图
+# [scatter()]
+
+import shutil
+
+import matplotlib.pyplot as plt
+
+x_values = list(range(1, 1001)) # [1, 2, 3, 4,..., 999, 1000]
+y_values = [x**2 for x in x_values] # [ 1, 4, 9, 16,..., 999*999, 1000*1000]
+
+# 点默认为蓝色黑轮廓
+# s=40 设置点的大小
+# edgecolors='none' 删除数据点的轮廓
+# c='red' c=(0.1, 0.2, 0.3) 设置点的颜色 [c 可以是特定颜色的单词 或 0~1的三位数元组]
+# plt.scatter(x_values, y_values, edgecolors='none', s=40, c=(0.1, 0.5, 1))
+
+# 使用颜色映射
+# c=y_values, cmap=plt.cm.Blues 根据 y_values 来设置蓝色的颜色映射. 值越大, 色越深
+plt.scatter(x_values, y_values, edgecolors='none', s=40, c=y_values, cmap=plt.cm.Blues)
+
+# 设置图标标题, 并给坐标轴加上标签
+plt.title("Square Numbers", fontsize=24)
+plt.xlabel('值', fontsize=14)
+plt.ylabel('值的平方', fontsize=14)
+
+# 设置刻度标记的大小
+plt.tick_params(axis='both', labelsize=14)
+
+# 设置每个坐标轴的取值范围
+plt.axis([0, 1100, 0, 1100000])
+
+# 保存生成的图标 [要放在 plt.show() 前面]
+# 保存路径为此 py 文件所在路径
+p_name = 'squares_plot.png'
+plt.savefig(p_name, bbox_inches='tight')
+
+# 移动生成图片的位置
+shutil.move(p_name, 'images/' + p_name)
+print("a")
+
+# 打开 matplotlib 查看器, 并显示绘制的图形
+plt.show()
