Matplotlib 数据可视化（二）

引入

这一篇做的其实是上一篇的练习。

想象有一个小人，每一回合随机移动一次，我们想记录下小人每次移动后的位置，并用 matplotlib 以散点图的形式绘制出来。
下面我们做的就是模拟这个过程。

生成数据

要生成随机数据，先导入一个函数：

1	`from random import choice`

这里附上一段简单的介绍：

random 模块有大量的函数用来产生随机数和随机选择元素。比如，要想从一个序列中随机的抽取一个元素，可以使用 random.choice()
1
2
3
4
5
6
>>> import random
>>> values = [1, 2, 3, 4, 5, 6]
>>> random.choice(values)
2
>>> random.choice(values)
3
Python3 Cookbook 3.0.0 文档

当然这里我们只导入了 choice 函数，直接使用就好了。
这里先写一个 RandomWalk 类

random_walk.py

--snip--
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

		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 = x_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
			next_y = self.y_values[-1] + y_step

			self.x_values.append(next_x)
			self.y_values.append(next_y)

这个类接收一个参数 num_points 表示漫步/随机生成数据的数量。我们把它的默认值定为 5000。
然后先来看这个 fill_walk() 函数。

`fill_walk()` 函数

首先这个循环很容易理解，只要 x_values 的长度没有到达预定的数量就一直生成数据，于是我们可以获得指定数量的随机数据。

生成的数据包含两个数字，x_step 和 y_step，即漫步的纵横方向。先从 ±1 中随机挑选一个，指定了移动的方向是正方向还是负方向，然后再从 distance 中随机选一个数，指定了移动距离。两个数字相乘就是移动的量。

但是有一种可能是，x 和 y 同时选中了 0，我们不想让它原地踏步，所以如果出现这种情况，就不写入数据，而是再随机一轮。

但在这里我们要画出的并不是位置的变化量，而是位置本身，所以我们要计算出，这次移动之后，我们漫步到了什么位置。
next_x 和 next_y 的值就是上一次 x 和 y 的位置，加上变化量。

看到这里，x_values 和 y_values 的功能也就明了了，他们记录的是小人每次移动后的位置。
然后我们把这个移动的量分别存入 x_values 和 y_values 中，两个相同位置的 x 和 y 值一一对应，就是小人每次移动后的位置。

因为我们想让小人从原点出发，所以这里我们初始化 x_values 和 y_values 中的第一个值为 0。

绘制图像

基础图像

首先导入需要的模块。
rw_visual.py

1
2
3

import matplotlib.pyplot as plt

from random_walk import RandomWalk

rw_visual.py

rw = RandomWalk()
rw.fill_walk()

plt.scatter(rw.x_values, rw.y_values, s=10, c='blue', edgecolor='none')

plt.show()

首先创建一个 RandomWalk 类的实例，并运行 fill_walk() 函数来生成数据。

然后绘制散点图，x 和 y 的数据即 RandomWalk 中的 x_values 和 y_values。
我的效果图

进阶图像

既然是随机漫步，我们就想知道开始的位置和结束的位置，以及行走的方向。

rw_visual.py

rw = RandomWalk()
rw.fill_walk()

--snip--

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

point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, s=10, c=point_numbers, cmap=plt.cm.Blues,
	edgecolor='none')

# 突出起点和终点
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)

--snip--
plt.show()

plt.figure(figsize=(10, 6)) 设置了绘图窗口的尺寸，figure() 是用来指定图表的一些参数的，例如尺寸、分辨率、颜色，这里我们制定尺寸，所以需要给形参 figsize 一个元组，规定绘图窗口的尺寸，单位是英寸。

这里 Python 默认你的屏幕分辨率是 80 PPI（像素/英寸），如果想设定的话，可以使用形参 dpi，如 plt.figure(dpi=128, figsize(10, 6))。^[1]

然后我们想按照漫步的顺序来给点上色，先走到的点颜色浅，后走到的点颜色深，于是我们创建一个列表，内容是 [1,2,3,..., rw.numpoints]，这个列表的长度刚好与漫步的次数相同。

此外，我们还想突出起点和终点，于是使用了额外的两行，重新定义了起点和终点的属性。起点就是 (rw.x_values[0], rw.y_values[0]) 点，也就是 (0, 0) 点，我们用绿色标出；终点就是最后一组数据，即 (rw.x_values[-1], rw.y_values[-1]) 点，用红色标出。

我的效果图

除此之外还可以隐藏坐标轴：
rw_visual.py

1 2	`plt.axes().get_xaxis().set_visible(False) plt.axes().get_yaxis().set_visible(False)`

但是我这里会报两个 Warning:

MatplotlibDeprecationWarning: Adding an axes using the same arguments as a previous axes currently reuses the earlier instance.  In a future version, a new instance will always be created and returned.  Meanwhile, this warning can be suppressed, and the future behavior ensured, by passing a unique label to each axes instance.
  plt.axes().get_xaxis().set_visible(False)

MatplotlibDeprecationWarning: Adding an axes using the same arguments as a previous axes currently reuses the earlier instance.  In a future version, a new instance will always be created and returned.  Meanwhile, this warning can be suppressed, and the future behavior ensured, by passing a unique label to each axes instance.
  plt.axes().get_yaxis().set_visible(False)

意思似乎是，现在这个版本可以这样写，但以后可能会有问题，如果你不打算更新版本的话也没问题。
我的效果图