π-Day快乐:Python可视化π

简介: 祝大家 π Day快乐!

π-Day快乐:Python可视化π

今天是3.14,正好是圆周率 π 的前3位,因此数学界将这一天定为 π day

π 可能是最著名的无理数了,人类对 π 的研究从未停止。目前人类借助计算机已经计算到 π 小数点后31.4万亿位了!这个记录是由来自Google的日本女程序员岩尾遥创造的。据说该计算程序在25台虚拟机上运行了121天,涉及170TB的数据,最终获得精确到 π 小数点后31.4万亿位的成绩。

计算 π 的精度也是衡量计算机算力的一种方法,该方法始于冯·诺依曼。直到今天依然有很多数学家在孜孜不倦地研究 π 的各种性质,甚至有人认为 π 小数位蕴含着宇宙的终极奥秘。今天我们用Python将 π 可视化,看看会诞生什么惊人的图案。

pi-day-750x300.jpg

思路

首先,我从网上下载了 π 小数点后100万位,保存在文本文件中。每50位一行,数据张这个样子:

14159265358979323846264338327950288419716939937510
58209749445923078164062862089986280348253421170679
82148086513282306647093844609550582231725359408128
48111745028410270193852110555964462294895493038196
44288109756659334461284756482337867831652712019091
45648566923460348610454326648213393607260249141273
72458700660631558817488152092096282925409171536436

然后我会用一定规则来可视化[0-9]这10个数字。目前想到的有两种:

  1. 点图 将[0-9]10个数字,每个数字赋一个颜色,然后一次绘制圆点。

pi2.png

  1. 线段图 [0-9]10个数字每个数字赋一个颜色和角度,绘制收尾相接的线段。

pi.png

点图

点图的绘制相对简单,首先定义颜色:

# 圆点边线颜色
color = ['gold', 'goldenrod', 'red', 'firebrick', 'mediumvioletred', 'darkorchid', 'royalblue', 'lightseagreen', 'mediumseagreen', 'olivedrab']
# 圆点填充颜色
color_fill = ['khaki', 'moccasin', 'lightcoral', 'lightsalmon', 'orchid', 'mediumpurple', 'skyblue', 'aquamarine', 'lightgreen', 'palegreen']

数字[0-9]当作颜色的下标索引获取颜色,绘制单个圆点的代码如下:

def draw_dot(n: int, c: int):
    """ 绘制圆点

    :param n: 小数位数值
    :param c: 第几位
    :return: None
    """
    t.color(color_fill[n])
    t.begin_fill()
    t.circle(10)
    t.end_fill()
    t.color(color[n])
    t.circle(10)
    pos = t.pos()

绘制完一个圆点后,turtle移动到下一个位置,这里我设置为每40位换一行:

def move(c: int):
    """ 移动到下一位置

    :param c: 小数点后第几位
    :return: None
    """
    pos = t.pos()
    t.penup()
    if c % 40 == 0: #每40位换一行
        t.goto(-600, pos[1] - 30)
    else:
        t.goto(pos[0] + 30, pos[1])
    t.pendown()

最后我们只要读取 π 的小数位,循环绘制圆点即可:

import turtle

turtle.setup(1.0, 1.0)
t = turtle.Turtle()
t.hideturtle()
t.pensize(2)
t.penup()
t.goto(-600, 400)
t.pendown()
t.speed(0)

# 绘制整数位3
count = 1
num = 3
draw_dot(num, count)
move(count)

# 循环绘制小数位
with open('圆周率前100万位.txt') as f:
    for i in range(28): # 绘制28*50=1400位
        word = f.readline().strip()
        for a in word:
            num = int(a)
            count += 1
            draw_dot(num, count)
            move(count)
    f.close()

turtle.done()

最终效果如下图:

pi4.png

线段图

有了点图的基础,线段图的绘制相对简单。直接上代码:

import turtle

turtle.setup(1.0, 1.0)
t = turtle.Turtle()
t.hideturtle()
t.pensize(2)
t.pendown()
t.left(90)
t.speed(0)
color = ['gold', 'goldenrod', 'red', 'firebrick', 'mediumvioletred', 'darkorchid', 'royalblue', 'lightseagreen', 'mediumseagreen', 'greenyellow']

# 绘制整数位3
last_num = 3
t.color(color[last_num])
t.right(last_num * 36)
t.forward(40)

# 循环绘制小数位
with open('圆周率前100万位.txt') as f:
    for i in range(100):
        word = f.readline().strip()
        for a in word:
            current_num = int(a)
            t.color(color[current_num])
            angle = (current_num - last_num) * 36
            t.right(angle)
            t.forward(20)
            last_num = current_num
    f.close()

turtle.done()

最终效果:

pi3.png

结论

怎么样?很神奇吧?如果你有更好的可视化思路,欢迎留言评论交流。

最后,祝大家 π Day快乐!

目录
相关文章
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
【python】python当当数据分析可视化聚类支持向量机预测(源码+数据集+论文)【独一无二】
【python】python当当数据分析可视化聚类支持向量机预测(源码+数据集+论文)【独一无二】
|
6天前
|
数据采集 传感器 数据可视化
利用Python进行数据分析与可视化
【9月更文挑战第11天】在数字化时代,数据已成为企业决策和科学研究的关键。本文将引导读者了解如何使用Python这一强大的工具进行数据分析和可视化,帮助初学者理解数据处理的流程,并掌握基本的可视化技术。通过实际案例,我们将展示如何从原始数据中提取信息,进行清洗、处理,最终以图形方式展现结果,使复杂的数据变得直观易懂。
|
19天前
|
JSON 数据可视化 BI
我常用的5个Python可视化库
我常用的5个Python可视化库
|
21天前
|
数据可视化 前端开发 JavaScript
利用Python开发七普数据在线可视化看板
利用Python开发七普数据在线可视化看板
|
21天前
|
数据可视化 搜索推荐 定位技术
plotly | python可视化进阶之路
plotly | python可视化进阶之路
|
1月前
|
数据采集 数据可视化 算法
GitHub星标68K!Python数据分析入门手册带你从数据获取到可视化
Python作为一门优秀的编程语言,近年来受到很多编程爱好者的青睐。一是因为Python本身具有简捷优美、易学易用的特点;二是由于互联网的飞速发展,我们正迎来大数据的时代,而Python 无论是在数据的采集与处理方面,还是在数据分析与可视化方面都有独特的优势。我们可以利用 Python 便捷地开展与数据相关的项目,以很低的学习成本快速完成项目的研究。
|
1月前
|
数据采集 数据可视化 算法
GitHub星标68K!Python数据分析入门手册带你从数据获取到可视化
Python作为一门优秀的编程语言,近年来受到很多编程爱好者的青睐。一是因为Python本身具有简捷优美、易学易用的特点;二是由于互联网的飞速发展,我们正迎来大数据的时代,而Python 无论是在数据的采集与处理方面,还是在数据分析与可视化方面都有独特的优势。我们可以利用 Python 便捷地开展与数据相关的项目,以很低的学习成本快速完成项目的研究。 今天给小伙伴们分享的这份Python数据分析入门手册本着实用性的目的,着眼于整个数据分析的流程,介绍了从数据采集到可视化的大致流程。
|
1月前
|
数据可视化 数据挖掘 索引
【python】Python马铃薯批发市场交易价格数据分析可视化(源码+数据集)【独一无二】
【python】Python马铃薯批发市场交易价格数据分析可视化(源码+数据集)【独一无二】
|
1月前
|
数据可视化 数据挖掘 数据处理
【python】python农产品数据分析可视化(源码+论文+数据)【独一无二】
【python】python农产品数据分析可视化(源码+论文+数据)【独一无二】
|
1月前
|
数据采集 数据可视化 Python
【python】python猫眼电影数据抓取分析可视化(源码+数据集+论文)【独一无二】
【python】python猫眼电影数据抓取分析可视化(源码+数据集+论文)【独一无二】