Python+matplotlib調(diào)用隨機函數(shù)生成變化圖形

更新時間：2022年04月26日 11:07:19 作者：PursuitingPeak

這篇文章主要介紹了如何在Python中利用隨機函數(shù)生成變化的圖形，文中的示例代碼講解詳細，對我們學(xué)習(xí)有一定吧參考價值，需要的可以了解一下

前言

綜合前述的類、函數(shù)、matplotlib等，完成一個隨機移動的過程（注意要確定移動的次數(shù)，比如10萬次），每次行走都完全是隨機的，沒有明確的方向，結(jié)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，由隨機函數(shù)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列表中，供后面matplotlib調(diào)用，生成圖表。

故而，可以分成兩個文件，一個為rand_moving類，生成走動像素、方向，并記錄相關(guān)數(shù)據(jù)，保存在數(shù)列中，另一個為繪圖模塊randdraw_visual ，調(diào)用matplotlib和rand_moving類，生成一個實例，并調(diào)用計算出的數(shù)列組生成圖表。

一、rand_moving.py文件定義功能如下

1、初始化程序，設(shè)置一個參數(shù)，即移動的次數(shù)，初始化位置全部設(shè)置為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個隨機函數(shù)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(shù)列中，即每走完一步后，在屏幕中的絕對位置。

如下：

from random import choice  #random是系統(tǒng)自帶的隨機函數(shù)模塊

class Rand_moving(): #定義一個Rand_moving類
    def __init__(self,num_times=100000):  # 初始化，設(shè)置默認(rèn)參數(shù)為10萬，可以修改這個參數(shù)試試機器運行速度
        self.num_times = num_times  #移動次數(shù)
        
        self.x_values=[0]   # 設(shè)置兩個數(shù)列，用來保存每一步的位置，初始位置為(0, 0)，數(shù)列元素個數(shù)會一直增加到num_times，用來記錄每一步的位置信息
        self.y_values=[0]    
        
    def fill_moving(self):  #定義一個函數(shù)，用來計算移動方向和距離，并計算需要保存的位置信息
        while len(self.x_values)<self.num_times:#循環(huán)不斷運行，直到漫步包含所需數(shù)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(biāo)x和y值，并分別保存到數(shù)列x_values和y_values中
            next_x = self.x_values[-1] + x_step  #self.x_values[-1]表示是數(shù)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(shù)列x_values中
            self.y_values.append(next_y ) #將每次計算的next_y存入到數(shù)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、調(diào)用matplotlib和rand_moving類；

2、rand_moving生成一個實例，并計算出的數(shù)列組生成圖表；

3、用matplotlib中的方法生成圖表

import matplotlib.pyplot as plt  #導(dǎo)入matplotlib模塊

from rand_moving import *   #也可以用 import random_moving   注意使用過程中的細微差別 ,小寫開頭的rand_moving是文件（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()  # 利用導(dǎo)入的 Rand_moving 類，創(chuàng)建一個實例rm，這里沒有給定參數(shù)，默認(rèn)是10萬，可以修改為其他數(shù)據(jù)。
rm.fill_moving()    # 調(diào)用類的方法fill_moving() ，并生成隨機數(shù)列，存入到x_values和y_values中，

plt.scatter(rm.x_values, rm.y_values,s=15)#調(diào)用實例rm中位置數(shù)列x_values和y_values生成圖表
plt.show()

程序運行效果(注意，為了對比，程序中創(chuàng)建了3個實例，其中一個為默認(rèn)值，另兩個為50萬和5萬，如果一直沒顯示，請耐心等會兒！)

上述三個實例處在同一圖中，呈現(xiàn)不同顏色，如果只有一個實例，如何修改顏色？

入門(1)中，語句 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的參數(shù)是字符串，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(fù)的地方，實例設(shè)置為藍色在后面，將紅色蓋?。?/p>

除些之外，還可以對特定的點進行設(shè)定，也就是在語句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(guān)語句，并給定相關(guān)點坐標(biāo)。

import matplotlib.pyplot as plt

from rand_moving import *   #也可以用import random_moving注意使用過程中的差別

rm = Rand_moving()  # 創(chuàng)建一個實例rm，這里沒有給定參數(shù)，默認(rèn)是10萬，可以修改為其他數(shù)據(jù)。
rm.fill_moving()    # 調(diào)用類的方法fill_moving() ，并生成隨機數(shù)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)
#調(diào)用實例rm中數(shù)列x_values和y_values生成圖表#調(diào)用實例rm中數(shù)列x_values和y_values生成圖表

new_rm = Rand_moving(500000)  # 創(chuàng)建一個實例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
#因為兩個實例的起點一樣，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(shè)置起點，把s設(shè)置較大，以示區(qū)別
#兩個實例終點不同，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(shè)置實例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(shè)置實例new_rm的終點

plt.show()

實際運行效果：

顯示圖表屏幕大小

圖表適合屏幕大小能有效地將數(shù)據(jù)中的規(guī)律呈現(xiàn)出來，如果要調(diào)整屏幕大小，可調(diào)整matplotlib輸出的尺寸

plt.figure(dpi=128,figsize=(12, 10))

函數(shù) figure() 用于指定圖表的寬度、高度、分辨率和背景色。

形參 figsize 指定一個元組

形參 dpi 向 figure() 傳遞該分辨率

注意：plt.figure(dpi=128,figsize=(12, 10))語句要在其他plt開始語句的前面，才能調(diào)整顯示屏幕的大小。

import matplotlib.pyplot as plt

from rand_moving import *   #也可以用import random_moving注意使用過程中的差別
#調(diào)整屏幕大小
plt.figure(dpi=128,figsize=(12, 10))  #一開始就要定義顯示的大小，當(dāng)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(chuàng)建一個實例rm，這里沒有給定參數(shù)，默認(rèn)是10萬，可以修改為其他數(shù)據(jù)。
rm.fill_moving()    # 調(diào)用類的方法fill_moving() ，并生成隨機數(shù)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)
#調(diào)用實例rm中數(shù)列x_values和y_values生成圖表#調(diào)用實例rm中數(shù)列x_values和y_values生成圖表

new_rm = Rand_moving(500000)  # 創(chuàng)建一個實例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(dāng)然，還可以試一下他函數(shù)功能。

是不是有點小小的成就感！