Python数据可视化-----生成数据二

简介: Python数据可视化-----生成数据二

使用Plotly模拟掷骰子:

安装Plotly:

在终端输入pip install plotly直接进行安装

要想模拟掷骰子,我们就必须先创建一个关于骰子的类。

创建Die类:

language_survey.py

from random import randint#导入随机数的库
class Die:#创建一个表示骰子的类
    def __init__(self,num_sides=6):#设置骰子的属性,为六面骰子
        self.num_sides=num_sides
    def roll(self):
        return randint(1,self.num_sides)#返回一个1-6范围内的随机数

掷骰子:

代码如下:

project1.py

from language_survey import Die#导入我们在另一个文件中所写的关于骰子的类
die=Die()#使用实例调用
results=[]#将产生的不同结果存储在一个列表中
for roll_num in range(100):
    result=die.roll()
    results.append(result)
print(results)
[6, 6, 3, 5, 6, 3, 3, 3, 4, 6, 6, 5, 3, 5, 5, 6, 2, 3, 6, 4, 4, 6, 5, 
5, 3, 6, 3, 3, 2, 3, 5, 4, 6, 2, 5, 3, 4, 1, 5, 3, 4, 6, 6, 4, 4, 2, 
4, 2, 5, 4, 4, 1, 3, 5, 1, 3, 5, 2, 4, 5, 6, 1, 1, 4, 4, 6, 5, 3, 6,
 5, 6, 5, 3, 1, 6, 4, 1, 5, 6, 1, 1, 3, 5, 6, 3, 4, 5, 4, 2, 5, 6, 4, 
 1, 5, 1, 1, 6, 2, 6, 2]

输出结果似乎是没有问题的,输出的数字范围都在0-6之间。

如果我们想记录投掷N次之后,某个点出现的次数而不需要具体的结果呢?

,很简单,我们可以通过再创建一个空列表用于存放投掷的某个点出现的次数。


对上述实例增加如下代码:

frequencies=[]
for value in range(1,die.num_sides+1):
    frequency=results.count(value)
    frequencies.append(frequency)
print(frequencies)
[15, 10, 23, 12, 17, 23]

绘制直方图:

直方图是一种条形图,指出了各种结果出现的频率,创建这种直方图的代码如下:

#对结果进行可视化
x_values=list(range(1,die.num_sides+1))#将可能出现的点数存储在名为x_values的列表中
#注:Plotly不能直接接受函数range()的结果,因此需要使用函数list将其转换为列表
data=[Bar(x=x_values,y=frequencies)]#Bar()表示用于绘制条形图的数据集,需要一个存储x值得列表和一个存储y值的列表
#注:Plotly类必须放在方括号内,因为数据集可能包括多个元素
#对横轴和纵轴设置标签
x_axis_config={'title':'结果'}
y_axis_cofig={'title':"结果的频率"}
#类Layout()对图表的布局和标题进行设置
my_layout=Layout(title="掷一个六面的骰子1000次的结果:",xaxis=x_axis_config,yaxis=y_axis_cofig)
#调用offline.plot()的作用为了生成图表
#offline.plot()函数需要一个包含数据和布局对象的字典,并且还需要传入一个文件名,此后会将该图表放入该文件中
offline.plot({'data':data,'layout':my_layout},filename='d6.html')
print(frequencies)

运行程序后:

输出端结果:

[10, 20, 15, 17, 20, 18]

自动跳转至浏览器,呈现如下图所示的直方图:

注意,Plotly使该图表具有交互性,该交互性体现在我们将鼠标指向其中的任意条形,就能看到与之相关联的数据。

还有不要忽视了左上角的这些图标,它也有许多实际性的作用,比如可以帮助我们缩放平移和保存图像。

同时掷两个面数相同的骰子:

前面我们学习了投掷一个骰子就需要创建与其相关的类,现在我们也需要给第二个骰子创建属于它的类,每次投掷时都将两个骰子的点数进行相加,并将其存储在results中。

其需要修改的代码如下:

---snip---
die_2=Die()#创建属于第二个骰子的类
results=[]
for roll_num in range(100):
    result=die_1.roll()+die_2.roll()#返回的结果为两个骰子点数和
    results.append(result)
frequencies=[]
max_result=die_1.num_sides+die_2.num_sides#最大点数之和
for value in range(2,max_result+1):#点数之和的可能值
    frequency=results.count(value)
    frequencies.append(frequency)
x_values=list(range(2,max_result+1))
data=[Bar(x=x_values,y=frequencies)]
x_axis_config={'title':'结果',"dtick":1}#ditick的作用:指定x轴显示的刻度间距
y_axis_cofig={'title':"结果的频率"}
my_layout=Layout(title="掷一个六面的骰子100次的结果:",xaxis=x_axis_config,yaxis=y_axis_cofig)
offline.plot({'data':data,'layout':my_layout},filename='d6_d6.html')
print(frequencies)

运行之后结果为:

输出端结果:

[7, 3, 8, 11, 9, 16, 17, 14, 6, 5, 4]

自动跳转至浏览器,呈现如下图所示的直方图:

同时投掷两个面数不同的骰子:

只需要在创建新的类的时候传递参数为10,将默认值6覆盖,然后将骰子投掷的次数范围改变。

代码如下:

from plotly.graph_objs import Bar,Layout
from plotly import offline
from language_survey import Die
die_1=Die()
die_2=Die(10)#创建10面的骰子
results=[]
for roll_num in range(50_000):#改变投掷次数
    result=die_1.roll()+die_2.roll()
    results.append(result)
frequencies=[]
max_result=die_1.num_sides+die_2.num_sides
for value in range(2,max_result+1):
    frequency=results.count(value)
    frequencies.append(frequency)
x_values=list(range(2,max_result+1))
data=[Bar(x=x_values,y=frequencies)]
x_axis_config={'title':'结果',"dtick":1}
y_axis_cofig={'title':"结果的频率"}
my_layout=Layout(title="掷一个六面和十面的骰子50_000次的结果:",xaxis=x_axis_config,yaxis=y_axis_cofig)
offline.plot({'data':data,'layout':my_layout},filename='d6_d10.html')
print(frequencies)

运行之后结果为:

输出端结果:

[816, 1676, 2568, 3351, 4217, 5061, 4977, 5041, 4870, 5043, 4167, 3309, 2432, 1671, 80

自动跳转至浏览器,呈现如下图所示的直方图:

相关文章
|
1天前
|
算法 Serverless 数据处理
从集思录可转债数据探秘:Python与C++实现的移动平均算法应用
本文探讨了如何利用移动平均算法分析集思录提供的可转债数据,帮助投资者把握价格趋势。通过Python和C++两种编程语言实现简单移动平均(SMA),展示了数据处理的具体方法。Python代码借助`pandas`库轻松计算5日SMA,而C++代码则通过高效的数据处理展示了SMA的计算过程。集思录平台提供了详尽且及时的可转债数据,助力投资者结合算法与社区讨论,做出更明智的投资决策。掌握这些工具和技术,有助于在复杂多变的金融市场中挖掘更多价值。
22 12
|
6天前
|
数据采集 数据安全/隐私保护 Python
从零开始:用Python爬取网站的汽车品牌和价格数据
在现代化办公室中,工程师小李和产品经理小张讨论如何获取懂车帝网站的汽车品牌和价格数据。小李提出使用Python编写爬虫,并通过亿牛云爬虫代理避免被封禁。代码实现包括设置代理、请求头、解析网页内容、多线程爬取等步骤,确保高效且稳定地抓取数据。小张表示理解并准备按照指导操作。
从零开始:用Python爬取网站的汽车品牌和价格数据
|
1月前
|
数据采集 Web App开发 数据可视化
Python用代理IP获取抖音电商达人主播数据
在当今数字化时代,电商直播成为重要的销售模式,抖音电商汇聚了众多达人主播。了解这些主播的数据对于品牌和商家至关重要。然而,直接从平台获取数据并非易事。本文介绍如何使用Python和代理IP高效抓取抖音电商达人主播的关键数据,包括主播昵称、ID、直播间链接、观看人数、点赞数和商品列表等。通过环境准备、代码实战及数据处理与可视化,最终实现定时任务自动化抓取,为企业决策提供有力支持。
|
2月前
|
数据采集 存储 XML
python实战——使用代理IP批量获取手机类电商数据
本文介绍了如何使用代理IP批量获取华为荣耀Magic7 Pro手机在电商网站的商品数据,包括名称、价格、销量和用户评价等。通过Python实现自动化采集,并存储到本地文件中。使用青果网络的代理IP服务,可以提高数据采集的安全性和效率,确保数据的多样性和准确性。文中详细描述了准备工作、API鉴权、代理授权及获取接口的过程,并提供了代码示例,帮助读者快速上手。手机数据来源为京东(item.jd.com),代理IP资源来自青果网络(qg.net)。
|
2月前
|
数据可视化 数据挖掘 DataX
Python 数据可视化的完整指南
Python 数据可视化在数据分析和科学研究中至关重要,它能帮助我们理解数据、发现规律并以直观方式呈现复杂信息。Python 提供了丰富的可视化库,如 Matplotlib、Seaborn、Plotly 和 Pandas 的绘图功能,使得图表生成简单高效。本文通过具体代码示例和案例,介绍了折线图、柱状图、饼图、散点图、箱形图、热力图和小提琴图等常用图表类型,并讲解了自定义样式和高级技巧,帮助读者更好地掌握 Python 数据可视化工具的应用。
126 3
|
2月前
|
数据采集 Web App开发 监控
Python爬虫:爱奇艺榜单数据的实时监控
Python爬虫:爱奇艺榜单数据的实时监控
|
2月前
|
数据采集 分布式计算 大数据
构建高效的数据管道:使用Python进行ETL任务
在数据驱动的世界中,高效地处理和移动数据是至关重要的。本文将引导你通过一个实际的Python ETL(提取、转换、加载)项目,从概念到实现。我们将探索如何设计一个灵活且可扩展的数据管道,确保数据的准确性和完整性。无论你是数据工程师、分析师还是任何对数据处理感兴趣的人,这篇文章都将成为你工具箱中的宝贵资源。
|
2月前
|
数据可视化 Python
使用Python进行数据可视化的初学者指南
在数据的海洋里,我们如何能够不迷失方向?通过数据可视化的力量,我们可以将复杂的数据集转化为易于理解的图形和图表。本文旨在为初学者提供一份简明的入门手册,介绍如何使用Python中的Matplotlib库来揭示数据背后的故事。我们将从基础的图表开始,逐步深入到更高级的可视化技术,确保每个步骤都清晰易懂,让初学者也能轻松上手。让我们开始绘制属于你自己的数据图谱吧!
|
2月前
|
数据采集 数据可视化 数据挖掘
利用Python自动化处理Excel数据:从基础到进阶####
本文旨在为读者提供一个全面的指南,通过Python编程语言实现Excel数据的自动化处理。无论你是初学者还是有经验的开发者,本文都将帮助你掌握Pandas和openpyxl这两个强大的库,从而提升数据处理的效率和准确性。我们将从环境设置开始,逐步深入到数据读取、清洗、分析和可视化等各个环节,最终实现一个实际的自动化项目案例。 ####
305 10
|
3月前
|
数据可视化 数据处理 Python
Python编程中的数据可视化技术
在Python编程中,数据可视化是一项强大的工具,它能够将复杂的数据集转化为易于理解的图形。本文将介绍如何使用matplotlib和pandas这两个流行的Python库来实现数据可视化,并展示一些实用的代码示例。通过这些示例,读者将学会如何创建各种图表,包括折线图、柱状图和散点图等,以便更好地理解和呈现数据。

热门文章

最新文章

推荐镜像

更多