Python超详细分步解析随机漫步
更新时间：2022年03月17日 11:19:56 作者：hacker707
随机游走（random walk）也称随机漫步，随机行走等是指基于过去的表现，无法预测将来的发展步骤和方向。核心是指任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律，接近布朗运动，现阶段主要应用于互联网链接分析及金融股票市场中
创建RandomWalk类
为模拟随机漫步，我们将创建一个RandomWalk类，随机选择前进方向，这个类有三个属性，一个存储随机漫步的次数，另外两个存储随机漫步的每个点的x,y坐标，每次漫步都从点(0,0)出发
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]
选择方向
我们将使用fill_walk()来生成随机漫步包含的点，并决定每次漫步的方向。并将其添加到random_walk.py中 改正代码如下：
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，知道列表到达指定的长度
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
# 拒绝原地漫步
if x_step == 0 and y_step == 0:
continue
# 计算下一个点的x,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)
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，将文件命名为rw_visual.py
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出来 rw = RandomWalk() rw.fill_walk() plt.scatter(rw.x_values, rw.y_values, s=10) plt.show()
模拟多次随机漫步
每次随机漫步都不同，因此每次生成的各种模式也很有趣，要在不多次运行程序的情况下，进行随机漫步，可以把代码放入一个while循环中，每次关闭matplotlib查看器，系统会询问你是否再次模拟随机漫步（输入y将再次进行随机漫步，输入n将结束程序） 改进代码如下：
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values, rw.y_values, s=10)
plt.show()
keep_running = input("make another walk? (y/n):")
if keep_running.upper() == 'N':
break
每次随机漫步都不同，就如人的一生每走一步都会有不同的经历💖💖💖
给点着色
使用颜色映射指出漫步中各点的先后顺序，并删除每个点的黑色轮廓，让颜色更明显。将参数c设置为points_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，随机漫步图会从浅蓝色渐变到深蓝色，代码如下：
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
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=10)
plt.show()
keep_running = input("make another walk? (y/n):")
if keep_running.upper() == 'N':
break
效果如下：
突出起点和终点
还可以呈现出随机漫步的起点和终点，我们让起点和终点变得更大，并显示为不同的颜色，代码如下：
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
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=10)
# 突出起点和重点
plt.scatter(0, 0, c='green', edgecolors='none', s=100)
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)
plt.show()
keep_running = input("make another walk? (y/n):")
if keep_running.upper() == 'N':
break
效果如下：
增加点数
增加点数，以提供更多的数据，我们在创建RandomWalk实例时增大num_points的值，并在绘图时改变每个点的大小，代码如下：
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
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)
# 突出起点和重点
plt.scatter(0, 0, c='green', edgecolors='none', s=100)
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)
plt.show()
keep_running = input("make another walk? (y/n):")
if keep_running.upper() == 'N':
break
效果如下：
调整尺寸以适用屏幕
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。函数figure()用于指定图表的宽度、高度、分辨率和背景色。需要给形参figsize指定一个元组，向matplotlib指出绘图窗口的尺寸(单位为英寸) 如果你知道自己的系统分辨率，可使用形参dpi像figure()传递该分辨率，以有效利用可用的屏幕空间代码如下：
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk(50000)
rw.fill_walk()
# 设置绘图窗口的大小
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)
# 突出起点和重点
plt.scatter(0, 0, c='green', edgecolors='none', s=100)
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)
plt.show()
keep_running = input("make another walk? (y/n):")
if keep_running.upper() == 'N':
break
运行效果如下图所示
以上就是绘制随机漫步的花里胡哨的操作，会持续更新python相关知识
💖人生苦短，我用python💖
到此这篇关于Python超详细分步解析随机漫步的文章就介绍到这了,更多相关Python 随机漫步内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python面向对象之接口、抽象类与多态,结合实例形式详细分析了Python面向对象中接口、抽象类及多态的概念、用法及相关操作注意事项,需要的朋友可以参考下2018-08-08
tensorflow获取预训练模型某层参数并赋值到当前网络指定层方式
今天小编就为大家分享一篇tensorflow获取预训练模型某层参数并赋值到当前网络指定层方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01
这篇文章主要介绍了关于Series的index的方法和属性使用说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-06-06
这篇文章主要介绍了Python网页解析器使用实例详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-05-05
这篇文章主要为大家详细介绍了Python Socket编程之多线程聊天室，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-07-07
python 装饰器(Decorators)原理说明及操作代码
装饰器(Decorators)是 Python 的一个重要部分，本文由浅入深给大家介绍了python 装饰器Decorators原理，感兴趣的朋友跟随小编一起看看吧2021-12-12
这篇文章主要介绍了python对Excel按条件进行内容补充的相关知识，非常不错，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-11-11
如何在Python项目中做多环境配置(环境变量使用.env文件)
实际工程开发中常常会对开发、测试和生产等不同环境配置不同的数据库环境,传统方式可以通过添加不同环境的配置文件达到部署时的动态切换的效果,这篇文章主要给大家介绍了关于如何在Python项目中做多环境配置的相关资料,环境变量使用.env文件,需要的朋友可以参考下2024-06-06
这篇文章主要为大家详细介绍了Python实现员工信息管理系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-06-06
pip matplotlib报错equired packages can not be built解决
这篇文章主要介绍了pip matplotlib报错equired packages can not be built解决，具有一定借鉴价值,需要的朋友可以参考下2018-01-01
最新评论