关于“Python”的核心知识点整理大全43

这篇具有很好参考价值的文章主要介绍了关于“Python”的核心知识点整理大全43。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

关于“Python”的核心知识点整理大全43,掌握Python分类专栏:开启智能数据处理之旅!,python,python,开发语言,笔记,pygame


目录

​编辑

15.2.3 使2散点图并设置其样式

scatter_squares.py

15.2.4 使用 scatter()绘制一系列点

scatter_squares.py

15.2.5 自动计算数据

scatter_squares.py

15.2.6 删除数据点的轮廓

15.2.7 自定义颜色

15.2.8 使用颜色映射

scatter_squares.py

注意

15.2.9 自动保存图表

15.3 随机漫步

15.3.1 创建 RandomWalk()类

random_walk.py

15.3.2 选择方向

random_walk.py

15.3.3 绘制随机漫步图

rw_visual.py


关于“Python”的核心知识点整理大全43,掌握Python分类专栏:开启智能数据处理之旅!,python,python,开发语言,笔记,pygame

15.2.3 使2散点图并设置其样式

有时候,需要绘制散点图并设置各个数据点的样式。例如,你可能想以一种颜色显示较小的 值,而用另一种颜色显示较大的值。绘制大型数据集时,你还可以对每个点都设置同样的样式, 再使用不同的样式选项重新绘制某些点,以突出它们。 要绘制单个点,可使用函数scatter(),并向它传递一对x和y坐标,它将在指定位置绘制一 个点:

scatter_squares.py
import matplotlib.pyplot as plt
plt.scatter(2, 4)
plt.show() 

下面来设置输出的样式,使其更有趣:添加标题,给轴加上标签,并确保所有文本都大到能 够看清:

import matplotlib.pyplot as plt
 plt.scatter(2, 4, s=200)
# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()

在Ø处,我们调用了scatter(),并使用实参s设置了绘制图形时使用的点的尺寸。如果此时 运行scatter_squares.py,将在图表中央看到一个点,如图15-4所示。

关于“Python”的核心知识点整理大全43,掌握Python分类专栏:开启智能数据处理之旅!,python,python,开发语言,笔记,pygame

15.2.4 使用 scatter()绘制一系列点

要绘制一系列的点,可向scatter()传递两个分别包含x值和y值的列表,如下所示:

scatter_squares.py
import matplotlib.pyplot as plt
x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
plt.scatter(x_values, y_values, s=100)
# 设置图表标题并给坐标轴指定标签
--snip-- 

列表x_values包含要计算其平方值的数字,而列表y_values包含前述每个数字的平方值。将 这些列表传递给scatter()时,matplotlib依次从每个列表中读取一个值来绘制一个点。要绘制的 点的坐标分别为 (1, 1)、(2, 4)、(3, 9)、(4, 16)和(5, 25),最终的结果如图15-5所示。

关于“Python”的核心知识点整理大全43,掌握Python分类专栏:开启智能数据处理之旅!,python,python,开发语言,笔记,pygame

15.2.5 自动计算数据

手工计算列表要包含的值可能效率低下,需要绘制的点很多时尤其如此。可以不必手工计算 包含点坐标的列表,而让Python循环来替我们完成这种计算。下面是绘制1000个点的代码:

scatter_squares.py
import matplotlib.pyplot as plt
1 x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]
2 plt.scatter(x_values, y_values, s=40)
# 设置图表标题并给坐标轴加上标签
--snip--
# 设置每个坐标轴的取值范围
3 plt.axis([0, 1100, 0, 1100000])
plt.show()

我们首先创建了一个包含x值的列表,其中包含数字1~1000(见Ø)。接下来是一个生成y值 的列表解析,它遍历x值(for x in x_values),计算其平方值(x**2),并将结果存储到列表y_values中。然后,将输入列表和输出列表传递给scatter()(见)。 由于这个数据集较大,我们将点设置得较小,并使用函数axis()指定了每个坐标轴的取值范 围(见)。函数axis()要求提供四个值:x和y坐标轴的最小值和最大值。在这里,我们将x坐标 轴的取值范围设置为0~1100,并将y坐标轴的取值范围设置为0~1 100 000。结果如图15-6所示。

关于“Python”的核心知识点整理大全43,掌握Python分类专栏:开启智能数据处理之旅!,python,python,开发语言,笔记,pygame

15.2.6 删除数据点的轮廓

matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓,在散点图包含的 数据点不多时效果很好。但绘制很多点时,黑色轮廓可能会粘连在一起。要删除数据点的轮廓, 可在调用scatter()时传递实参edgecolor='none':

plt.scatter(x_values, y_values, edgecolor='none', s=40)

将相应调用修改为上述代码后,如果再运行scatter_squares.py,在图表中看到的将是蓝色实 心点。

15.2.7 自定义颜色

要修改数据点的颜色,可向scatter()传递参数c,并将其设置为要使用的颜色的名称,如下 所示:

plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40) 

你还可以使用RGB颜色模式自定义颜色。要指定自定义颜色,可传递参数c,并将其设置为一个元组,其中包含三个0~1之间的小数值,它们分别表示红色、绿色和蓝色分量。例如,下面 的代码行创建一个由淡蓝色点组成的散点图:

plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)

值越接近0,指定的颜色越深,值越接近1,指定的颜色越浅

15.2.8 使用颜色映射

颜色映射(colormap)是一系列颜色,它们从起始颜色渐变到结束颜色。在可视化中,颜色 映射用于突出数据的规律,例如,你可能用较浅的颜色来显示较小的值,并使用较深的颜色来显 示较大的值。 模块pyplot内置了一组颜色映射。要使用这些颜色映射,你需要告诉pyplot该如何设置数据 集中每个点的颜色。下面演示了如何根据每个点的y值来设置其颜色:

scatter_squares.py
import matplotlib.pyplot as plt
x_values = list(range(1001))
y_values = [x**2 for x in x_values]
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,
 edgecolor='none', s=40)
# 设置图表标题并给坐标轴加上标签
--snip-- 

我们将参数c设置成了一个y值列表,并使用参数cmap告诉pyplot使用哪个颜色映射。这些代 码将y值较小的点显示为浅蓝色,并将y值较大的点显示为深蓝色,生成的图形如图15-7所示。


注意

要了解pyplot中所有的颜色映射,请访问http://matplotlib.org/,单击Examples,向下滚动 到Color Examples,再单击colormaps_reference。


关于“Python”的核心知识点整理大全43,掌握Python分类专栏:开启智能数据处理之旅!,python,python,开发语言,笔记,pygame

15.2.9 自动保存图表

要让程序自动将图表保存到文件中,可将对plt.show()的调用替换为对plt.savefig()的 调用:

plt.savefig('squares_plot.png', bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表,这个文件将存储到scatter_squares.py所在的 目录中;第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空白区域, 可省略这个实参。

15.3 随机漫步

在本节中,我们将使用Python来生成随机漫步数据,再使用matplotlib以引人瞩目的方式将这 些数据呈现出来。随机漫步是这样行走得到的路径:每次行走都完全是随机的,没有明确的方向, 结果是由一系列随机决策决定的。你可以这样认为,随机漫步就是蚂蚁在晕头转向的情况下,每次都沿随机的方向前行所经过的路径。

在自然界、物理学、生物学、化学和经济领域,随机漫步都有其实际用途。例如,漂浮在水 滴上的花粉因不断受到水分子的挤压而在水面上移动。水滴中的分子运动是随机的,因此花粉在 水面上的运动路径犹如随机漫步。我们稍后将编写的代码模拟了现实世界的很多情形。

15.3.1 创建 RandomWalk()类

为模拟随机漫步,我们将创建一个名为RandomWalk的类,它随机地选择前进方向。这个类需 要三个属性,其中一个是存储随机漫步次数的变量,其他两个是列表,分别存储随机漫步经过的 每个点的x和y坐标。 RandomWalk类只包含两个方法:__init__ ()和fill_walk(),其中后者计算随机漫步经过的所 有点。下面先来看看__init__(),如下所示:

random_walk.py
1 from random import choice
class RandomWalk():
 """一个生成随机漫步数据的类"""
2 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)
3 self.x_values = [0]
 self.y_values = [0] 

为做出随机决策,我们将所有可能的选择都存储在一个列表中,并在每次做决策时都使用 choice()来决定使用哪种选择(见1)。接下来,我们将随机漫步包含的默认点数设置为5000,这 大到足以生成有趣的模式,同时又足够小,可确保能够快速地模拟随机漫步(见2)。然后,在 3处,我们创建了两个用于存储x和y值的列表,并让每次漫步都从点(0, 0)出发。

15.3.2 选择方向

我们将使用fill_walk()来生成漫步包含的点,并决定每次漫步的方向,如下所示。请将这 个方法添加到random_walk.py中:

random_walk.py
 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
1 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
2 x_direction = choice([1, -1])
 x_distance = choice([0, 1, 2, 3, 4])
3 x_step = x_direction * x_distance
 y_direction = choice([1, -1])
 y_distance = choice([0, 1, 2, 3, 4])
4 y_step = y_direction * y_distance
 # 拒绝原地踏步
5 if x_step == 0 and y_step == 0:
 continue
 # 计算下一个点的x和y值
6 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) 

在1处,我们建立了一个循环,这个循环不断运行,直到漫步包含所需数量的点。这个方法 的主要部分告诉Python如何模拟四种漫步决定:向右走还是向左走?沿指定的方向走多远?向上 走还是向下走?沿选定的方向走多远?

我们使用choice([1, -1])给x_direction选择一个值,结果要么是表示向右走的1,要么是表 示向左走的-1(见2)。接下来,choice([0, 1, 2, 3, 4])随机地选择一个0~4之间的整数,告诉 Python 沿指定的方向走多远(x_distance)。(通过包含0,我们不仅能够沿两个轴移动,还能够 沿y轴移动。)

在3和4处,我们将移动方向乘以移动距离,以确定沿x和y轴移动的距离。如果x_step为正, 将向右移动,为负将向左移动,而为零将垂直移动;如果y_step为正,就意味着向上移动,为负 意味着向下移动,而为零意味着水平移动。如果x_step和y_step都为零,则意味着原地踏步,我 们拒绝这样的情况,接着执行下一次循环(见5)。

为获取漫步中下一个点的x值,我们将x_step与x_values中的最后一个值相加(见6),对于y 值也做相同的处理。获得下一个点的x值和y值后,我们将它们分别附加到列表x_values和y_values 的末尾。

15.3.3 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:

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
1 rw = RandomWalk()
rw.fill_walk()
2 plt.scatter(rw.x_values, rw.y_values, s=15)
plt.show() 

我们首先导入了模块pyplot和RandomWalk类,然后创建了一个RandomWalk实例,并将其存储 到rw中(见1),再调用fill_walk()。在2处,我们将随机漫步包含的x和y值传递给scatter(), 并选择了合适的点尺寸。图15-8显示了包含5000个点的随机漫步图(本节的示意图未包含 matplotlib查看器部分,但你运行rw_visual.py时,依然会看到)。

关于“Python”的核心知识点整理大全43,掌握Python分类专栏:开启智能数据处理之旅!,python,python,开发语言,笔记,pygame


关于“Python”的核心知识点整理大全37-CSDN博客

关于“Python”的核心知识点整理大全25-CSDN博客

关于“Python”的核心知识点整理大全12-CSDN博客文章来源地址https://www.toymoban.com/news/detail-761066.html

往期快速传送门👆(在文章最后):

感谢大家的支持!欢迎订阅收藏!专栏将持续更新!

到了这里,关于关于“Python”的核心知识点整理大全43的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 关于“Python”的核心知识点整理大全26

    目录 10.3.9 决定报告哪些错误 10.4 存储数据 10.4.1 使用 json.dump()和 json.load() number_writer.py number_reader.py 10.4.2 保存和读取用户生成的数据 对于用户生成的数据,使用json保存它们大有裨益,因为如果不以某种方式进行存储,等程 序停止运行时用户的信息将丢失。下面来看一个这样

    2024年02月04日
    浏览(44)
  • 关于“Python”的核心知识点整理大全6

    目录 4:操作列表 4.1 遍历整个列表 4.1.1 深入地研究循环 4.1.2 在 for 循环中执行更多的操作 4.1.3 在 for 循环结束后执行一些操作 4.2 避免缩进错误 4.2.1 忘记缩进 4.2.2 忘记缩进额外的代码行 4.2.3 不必要的缩进 4.2.4 循环后不必要的缩进 往期快速传送门👆(在文章最后): 你经

    2024年02月05日
    浏览(40)
  • 关于“Python”的核心知识点整理大全46

    目录 16.1.3 提取并读取数据 highs_lows.py highs_lows.py 16.1.4 绘制气温图表 highs_lows.py 16.1.5 模块 datetime ​编辑 16.1.6 在图表中添加日期 highs_lows.py 16.1.7 涵盖更长的时间 highs_lows.py highs_lows.py 16.1.9 给图表区域着色 highs_lows.py 往期快速传送门👆(在文章最后): 感谢大家的支持!欢迎

    2024年02月04日
    浏览(25)
  • 关于“Python”的核心知识点整理大全42

    目录 game_functions.py game_functions.py game_functions.py alien_invasion.py 14.4 小结 第15 章 生成数据 15.1 安装 matplotlib 15.1.1 在 Linux 系统中安装 matplotlib 15.1.2 在 OS X 系统中安装 matplotlib 注意 15.1.3 在 Windows 系统中安装 matplotlib 注意 15.1.4 测试 matplotlib 注意 15.1.5 matplotlib 画廊 15.2 绘制简单的

    2024年02月03日
    浏览(115)
  • 关于“Python”的核心知识点整理大全59

    目录 19.3.2 将数据关联到用户 1. 修改模型Topic models.py 2. 确定当前有哪些用户 3. 迁移数据库 注意 19.3.3 只允许用户访问自己的主题 views.py 19.3.4 保护用户的主题 views.py views.py 19.3.6 将新主题关联到当前用户 views.py 往期快速传送门👆(在文章最后): 感谢大家的支持!欢迎订阅

    2024年01月18日
    浏览(56)
  • 关于“Python”的核心知识点整理大全19

    目录 ​编辑 8.6.4 使用 as 给模块指定别名 8.6.5 导入模块中的所有函数 8.7 函数编写指南 8.8 小结 第9章 类 9.1 创建和使用类 9.1.1 创建 Dog 类 dog.py 1. 方法__init__() 2. 在Python 2.7中创建类 9.1.2 根据类创建实例 1. 访问属性 2. 调用方法 3. 创建多个实例 往期快速传送门👆(在文章最后

    2024年02月04日
    浏览(45)
  • 关于“Python”的核心知识点整理大全17

    目录 ​编辑 8.3.4 结合使用函数和 while 循环 greeter.py 8.4 传递列表 greet_users.py 8.4.1 在函数中修改列表 printing_models.py 8.4.2 禁止函数修改列表 要将列表的副本传递给函数,可以像下面这样做: 往期快速传送门👆(在文章最后): 感谢大家的支持!欢迎订阅收藏!专栏将持续更

    2024年02月04日
    浏览(37)
  • 关于“Python”的核心知识点整理大全9

    目录 ​编辑 5.2.4 比较数字 5.2.5 检查多个条件 1. 使用and检查多个条件 2. 使用or检查多个条件 5.2.6 检查特定值是否包含在列表中 5.2.7 检查特定值是否不包含在列表中 banned_users.py 5.2.8 布尔表达式 5.3 if 语句 5.3.1 简单的 if 语句 5.3.2 if-else 语句 5.3.3 if-elif-else 结构 5.3.4 使用多个

    2024年02月05日
    浏览(30)
  • 关于“Python”的核心知识点整理大全8

    目录 ​编辑 4.5 元组 4.5.1 定义元组 dimensions.py 4.5.2 遍历元组中的所有值 4.5.3 修改元组变量 4.6 设置代码格式 4.6.1 格式设置指南 4.6.2 缩进 4.6.3 行长 4.6.4 空行 4.6.5 其他格式设置指南 4.7 小结 第5章 if语句 5.1 一个简单示例 cars.py 5.2 条件测试 5.2.1 检查是否相等 5.2.2 检查是否相等

    2024年02月05日
    浏览(45)
  • 关于“Python”的核心知识点整理大全12

    目录 6.3.3 按顺序遍历字典中的所有键 6.3.4 遍历字典中的所有值 6.4 嵌套 6.4.1 字典列表 aliens.py 6.4.2 在字典中存储列表 pizza.py favorite_languages.py 注意 往期快速传送门👆(在文章最后): 6.3.3 按顺序遍历字典中的所有键 字典总是明确地记录键和值之间的关联关系,但获取字典的

    2024年02月05日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包