綜合前述的類、函式、matplotlib等，完成一個隨機移動的程序（注意要確定移動的次數，比如10萬次），每次行走都完全是隨機的，沒有明確的方向，結果是由一系列隨機決策確定的，最后顯示出每次移動的位置的圖表，
思考：
1）每次走動多少個像素，由隨機函式決定，每次移動方向也隨機確定，由隨機方向和隨機像素共同移動位置大小和方向，
2）保證將每次移動的位置保存在串列中，供后面matplotlib呼叫，生成圖表，
故而，可以分成兩個檔案，一個為rand_moving類，生成走動像素、方向，并記錄相關資料，保存在數列中，另一個為繪圖模塊randdraw_visual ，呼叫matplotlib和rand_moving類，生成一個實體，并呼叫計算出的數列組生成圖表，
一、rand_moving.py檔案定義功能如下
1、初始化程式，設定一個引數，即移動的次數，初始化位置全部設定為0
2、隨機生成x,y的方向和移動像素，并相乘，得到相對移動距離，即為每次移動的距離和方向，即需要4個隨機函式來分別確定水平方向和垂直方向的 移動位置大小和方向，
3，計算出下一個位置，并進行保存到位置數列中，即每走完一步后，在螢屏中的絕對位置，
如下：
from random import choice #random是系統自帶的隨機函式模塊 class Rand_moving(): #定義一個Rand_moving類 def __init__(self,num_times=100000): # 初始化，設定默認引數為10萬，可以修改這個引數試試機器運行速度 self.num_times = num_times #移動次數 self.x_values=[0] # 設定兩個數列，用來保存每一步的位置，初始位置為(0, 0)，數列元素個數會一直增加到num_times，用來記錄每一步的位置資訊 self.y_values=[0] def fill_moving(self): #定義一個函式，用來計算移動方向和距離，并計算需要保存的位置資訊 while len(self.x_values)<self.num_times:#回圈不斷運行，直到漫步包含所需數量的點num_times
x_direction = choice([1,-1]) #x的移動方向，1向上，0不變，-1向下 x_distance = choice([0,1,2,3,4,5]) #x的每次移動的像素， x_step = x_direction*x_distance #移動方向乘以移動距離，以確定沿x移動的距離 y_direction = choice([1,-1]) #y的移動方向，1向上，0不變，-1向下 y_distance = choice([0,1,2,3,4,5]) #y的每次移動的像素， y_step = y_direction*y_distance #移動方向乘以移動距離，以確定沿y移動的距離 #原地不變 if x_step ==0 and y_step==0: # x_step和 y_step都為零，則意味著原地踏步 continue #計算下一個點的位置坐標x和y值，并分別保存到數列x_values和y_values中 next_x = self.x_values[-1] + x_step #self.x_values[-1]表示是數列最后一個值，初始為x_values=[0] next_y = self.y_values[-1] + y_step self.x_values.append(next_x ) #將每次計算的next_x存入到數列x_values中 self.y_values.append(next_y ) #將每次計算的next_y存入到數列y_values中
二、繪圖模塊 randdraw_visual.py
繪圖模塊randdraw_visual.py的功能如下：
1、呼叫matplotlib和rand_moving類；
2、rand_moving生成一個實體，并計算出的數列組生成圖表；
3、用matplotlib中的方法生成圖表
import matplotlib.pyplot as plt #匯入matplotlib模塊 from rand_moving import * #也可以用 import random_moving 注意使用程序中的細微差別 ,小寫開頭的rand_moving是檔案（或稱為模塊，一個模塊中可以有一個類，或多個類），大寫開頭Rand_moving是類， rm = Rand_moving() # 利用匯入的 Rand_moving 類，創建一個實體rm，這里沒有給定引數，默認是10萬，可以修改為其他資料， rm.fill_moving() # 呼叫類的方法fill_moving() ，并生成亂數列，存入到x_values和y_values中， plt.scatter(rm.x_values, rm.y_values,s=15)#呼叫實體rm中位置數列x_values和y_values生成圖表 plt.show()
程式運行效果(注意，為了對比，程式中創建了3個實體，其中一個為默認值，另兩個為50萬和5萬，如果一直沒顯示，請耐心等會兒！)
上述三個實體處在同一圖中，呈現不同顏色，如果只有一個實體，如何修改顏色？
入門(1)中，陳述句 plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,edgecolor='none', s=40) 是修改漸變色的，可償試將randdraw_visual.py模塊中進行如下修改：
plt.scatter(rm.x_values, rm.y_values,c=y_values, cmap=plt.cm.Reds,edgecolor='none',s=15)
注： c的引數是字串，可以直接使用顏色的英文進行賦值，比如：c='yellow'，見后面修改起點、終點顏色，
指定一個紅色，一個藍色，實際運行效果（有重復的地方，實體設定為藍色在后面，將紅色蓋住）：
除些之外，還可以對特定的點進行設定，也就是在陳述句plt.scatter(rm.x_values, rm.y_values,c=y_values, cmap=plt.cm.Reds,edgecolor='none',s=15)之后，再多幾個相關陳述句，并給定相關點坐標，
import matplotlib.pyplot as plt from rand_moving import * #也可以用import random_moving注意使用程序中的差別 rm = Rand_moving() # 創建一個實體rm，這里沒有給定引數，默認是10萬，可以修改為其他資料， rm.fill_moving() # 呼叫類的方法fill_moving() ，并生成亂數列，存入到x_values和y_values中 plt.scatter(rm.x_values,rm.y_values,c=rm.y_values,cmap=plt.cm.Reds,edgecolor='none',s=15) #呼叫實體rm中數列x_values和y_values生成圖表#呼叫實體rm中數列x_values和y_values生成圖表 new_rm = Rand_moving(500000) # 創建一個實體new_rm，是50萬次 new_rm.fill_moving() plt.scatter(new_rm.x_values,new_rm.y_values,c=new_rm.y_values, cmap=plt.cm.Blues,edgecolor='none',s=15) # 重繪起點，終點 #因為兩個實體的起點一樣，只需一個起點即可 plt.scatter(rm.x_values[0], rm.y_values[0],c='yellow',edgecolor='none',s=100) #設定起點，把s設定較大，以示區別 #兩個實體終點不同，分別重繪終點位置 plt.scatter(rm.x_values[-1], rm.y_values[-1],c='brown',edgecolor='none',s=100) #設定實體rm的終點，思考為什么用[-1] plt.scatter(new_rm.x_values[-1], new_rm.y_values[-1],c='pink',edgecolor='none',s=100) #設定實體new_rm的終點 plt.show()
實際運行效果：
顯示圖表螢屏大小
圖表適合螢屏大小能有效地將資料中的規律呈現出來，如果要調整螢屏大小，可調整matplotlib輸出的尺寸
plt.figure(dpi=128,figsize=(12, 10))
函式 figure() 用于指定圖表的寬度、高度、解析度和背景色，
形參 figsize 指定一個元組
形參 dpi 向 figure() 傳遞該解析度
注意：plt.figure(dpi=128,figsize=(12, 10))陳述句要在其他plt開始陳述句的前面，才能調整顯示螢屏的大小，
import matplotlib.pyplot as plt from rand_moving import * #也可以用import random_moving注意使用程序中的差別 #調整螢屏大小 plt.figure(dpi=128,figsize=(12, 10)) #一開始就要定義顯示的大小，當然，可以試一下，放到plt.show()之前其他位置的運行效果， rm = Rand_moving() # 創建一個實體rm，這里沒有給定引數，默認是10萬，可以修改為其他資料， rm.fill_moving() # 呼叫類的方法fill_moving() ，并生成亂數列，存入到x_values和y_values中 plt.scatter(rm.x_values,rm.y_values,c=rm.y_values,cmap=plt.cm.Reds,edgecolor='none',s=15) #呼叫實體rm中數列x_values和y_values生成圖表#呼叫實體rm中數列x_values和y_values生成圖表 new_rm = Rand_moving(500000) # 創建一個實體new_rm，是50萬次 new_rm.fill_moving() plt.scatter(new_rm.x_values,new_rm.y_values,c=new_rm.y_values, cmap=plt.cm.Blues,edgecolor='none',s=15) plt.show()
當然，還可以試一下他函式功能，
是不是有點小小的成就感！
請思考：
1、上述程式是否能進行優化（比如功能相同的）
2、創建三個3個實體，用了3個陳述句，能否建一個函式，只輸入一個數n，就自動創建n個實體？同時，每個實體的num_times隨機，(n比較大時，num_times應該比較小)
3、當實作上述功能后，程式運行，只輸入一個引數（創建實體的個數），就會自動生成對應的num_times，并分別呼叫相關函式生成對應圖表，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/464022.html
標籤：Python