Pygal画廊——掷骰子

　　本人pygal库的安装使用了 pip3 install pygal 安装成功，使用 conda install pygal 提示没有这个库，我在学习过程中安装别的库的时候也有出现这种情况，所以使用Anaconda 的用户如果安装不上某个库时，建议使用 pip 安装，而且这两种安装是并不冲突的。

　　原文的摘录如下：　　

　　本章我们将使用 Python 可视化包 Pygal 来生成可缩放的矢量图形文件。对于需要在尺寸不同的屏幕上显示的图表,这很有用,因为它们将自动缩放,以适合观看者的屏幕。

如果你打算以在线方式使用图表,请考虑使用 Pygal 来生成它们,这样它们在任何设备上显示时都会很美观。

　　代码摘录如下，略有改动便于学习记录，日后查看：

from random import randint

# 创建Die类
class Die():
    # 表示一个骰子的类
    def __init__(self, num_sides = 6):
        # 骰子默认为6面
        self.num_sides = num_sides

    def roll(self):
        # 返回一个位于1和骰子面数之间的随机值
        return randint(1, self.num_sides)

# 掷骰子
from die import Die

# 创建一个D6
die = Die()

# 掷几次骰子，并将结果存储在一个列表中
results = []

# 掷骰子100次
for roll_num in range(100):
    result = die.roll()
    results.append(result)

print(results)

# 掷骰子
from die import Die

# 创建一个D6
die = Die()

# 掷几次骰子，并将结果存储在一个列表中
results = []

# 掷骰子1000次
for roll_num in range(1000):
    result = die.roll()
    results.append(result)
# 分析结果
frequencies = []
for value in range(1, die.num_sides+1):
    frequency = results.count(value)
    frequencies.append(frequency)

print(frequencies)

import pygal
from die import Die

# 创建一个D6
die = Die()

# 掷几次骰子，并将结果存储在一个列表中
results = []

# 掷骰子1000次
for roll_num in range(1000):
    result = die.roll()
    results.append(result)

# 分析结果
frequencies = []
for value in range(1, die.num_sides+1):
    frequency = results.count(value)
    frequencies.append(frequency)

# 对结果进行可视化
# pygal.Bar() 实例 用于创建条形图，存储到hist中
hist = pygal.Bar()

hist.title = 'Results of rolling one D6 1000 times.'
hist.x_labels = ['1', '2', '3', '4', '5', '6']
hist.x_title = 'Result'
hist.y_title = 'Frequency of Result'

# add传递到图标，这种文件的扩展名必须为.svg
hist.add('D6', frequencies)
hist.render_to_file('die_visual.svg')

# 使用浏览器打开这个图表

　　个人提示：不要用系统自带的图像查看器查看，你很有可能看到的是一堆黑的，SVG文件用浏览器打开能够看到如图的效果，并且将鼠标放置在直方图上时会显示出，该点数一共掷到了几次，实现与用户之间的一个简单交互，我想你可能会与我一样对此感兴趣，接下来和随机漫步一样，会进行多次操作，对这个有趣的小东西进行升级。

　　投掷两个骰子的代码如下：

import pygal

from die import Die

# 创建两个D6骰子
die_1 = Die()
die_2 = Die()

# 掷1000次骰子，并将结果存储在一个列表中
results = []
for roll_num in range(1000):
    result = die_1.roll() + die_2.roll()
    results.append(result)

# 分析结果
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)

# 对结果进行可视化
hist = pygal.Bar()

hist.title = 'Results of rolling two D6 1000 times.'
hist.x_labels = ['2', '3', '4', '5', '6', '7', '8',
                 '9', '10', '11', '12']
hist.x_title = 'Result'
hist.y_title = 'Frequency of Result'

# add传递到图标，这种文件的扩展名必须为.svg
hist.add('D6 + D6', frequencies)
hist.render_to_file('dice_visual.svg')

　　

　　这些图片不是我给它更改了大小，而是pygal可以根据窗口自动调节尺寸的，这也是它神奇的一个地方，我使用的浏览器是 Ubuntu 中的 Chromium 浏览器，无论我怎么缩放，浏览器中的图片都保持尺寸不变。

　　而且我们还发现了什么？正如我们想的一样，同时掷两颗骰子，掷出2点和12点的概率是最小的，因为只有两个都是1或者6时才能够出现。关于这些概率问题，通过修改书本中所提供的代码，我们是不是可以把现实中的例子放入进来，做一个概率分析呢？

　　下面是书籍中所提到的练习，如果我已经写出了这个代码，则会在下面贴出来，如果还没能写出来的，作业就暂时留着，等我学得更好了再回头来做这些我现在所不能完成的练习，也欢迎看到本文章的各位给我提供源码+适当的注释。

　　动手试一试：

　　1.同时掷 6 面骰子和 10 面骰子 50 000 次的结果：

　　首先需要把原来建立的类（die.py）依旧保存到你新建项目的文件夹中，然后根据 die.py 的建立方法，把骰子从 6 面改成 10 面，文件命名为 die1.py 。本人感觉用这样的方法虽然会多一个文件，但是在分析的时候会看得更加清楚，逻辑比较清晰，相关注释已经在代码中给出。具体的代码如下（根据原先代码修改得到结果）：

# Author:Canvas
# -*- coding:utf-8 -*-
from random import randint

# 创建Die1类
class Die1():
    # 表示一个骰子的类
    def __init__(self, num_sides = 10):
        # 此处将骰子默认为10面
        self.num_sides = num_sides

    def roll(self):
        # 返回一个位于1和骰子面数之间的随机值
        return randint(1, self.num_sides)

# Author:Canvas
# -*- coding:utf-8 -*-

# 同时掷 6 面骰子和 10 面骰子 50 000 次的结果

import pygal

from die import Die
from die1 import Die1

# 创建两个D6骰子
die_1 = Die()
die_2 = Die1()

# 掷5000次骰子，并将结果存储在一个列表中
results = []
for roll_num in range(5000):
    result = die_1.roll() + die_2.roll()
    results.append(result)

# 分析结果
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)

# 对结果进行可视化
hist = pygal.Bar()

hist.title = 'Results of rolling D6 and D10 5000 times.'
hist.x_labels = ['2', '3', '4', '5', '6', '7', '8',
                 '9', '10', '11', '12', '13', '14',
                 '15', '16']
hist.x_title = 'Result'
hist.y_title = 'Frequency of Result'

# add传递到图标，这种文件的扩展名必须为.svg
hist.add('D6 + D10', frequencies)
hist.render_to_file('D6D10.svg')

　　2.自动生成标签 :请修改 die.py 和 dice_visual.py ,将用来设置 hist.x_labels 值的列表替换为一个自动生成这种列表的循环。如果你熟悉列表解析,可尝试将die_visual.py 和 dice_visual.py 中的其他 for 循环也替换为列表解析。

 

　　3.两个 D8 骰子: 请模拟同时掷两个 8 面骰子 1000 次的结果。逐渐增加掷骰子的次数,直到系统不堪重负为止。

# -*- coding:utf-8 -*-

from random import randint

# 创建Die类
class Die():
    # 表示一个骰子的类
    def __init__(self, num_sides = 8):
        self.num_sides = num_sides

    def roll(self):
        # 返回一个位于1和骰子面数之间的随机值
        return randint(1, self.num_sides)

# -*- coding:utf-8 -*-

import pygal

from die import Die

# 创建两个D8骰子
die_1 = Die()
die_2 = Die()

# 掷1000次骰子，并将结果存储在一个列表中
results = []
for roll_num in range(1000):
    result = die_1.roll() + die_2.roll()
    results.append(result)

# 分析结果
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)

# 对结果进行可视化
hist = pygal.Bar()

hist.title = 'Results of rolling two D8 1000 times.'
hist.x_labels = ['2', '3', '4', '5', '6', '7', '8', '9',
                 '10', '11', '12', '13', '14', '15', '16']
hist.x_title = 'Result'
hist.y_title = 'Frequency of Result'

hist.add('D8 + D8', frequencies)
hist.render_to_file('D8_D8.svg')

注：上面我把鼠标放在 9 那边就进行了一个小互动

 

　　4.同时掷三个骰子 :如果你同时掷三个 D6 骰子,可能得到的最小点数为 3 ,而最大点数为 18 。请通过可视化展示同时掷三个 D6 骰子的结果。

　　在这个练习中，我们依然引入本章中第一次引入的代码 Class_Die ，因为这里的骰子仍然是 6 面的，所以导入原来的类，然后修改代码即可，具体代码如下：

# -*- coding:utf-8 -*-

# 同时掷三个 6 面骰子的结果

import pygal

from die import Die

# 创建三个D6骰子
die_1 = Die()
die_2 = Die()
die_3 = Die()

# 将结果存储在一个列表中
results = []
for roll_num in range(3):
    result = die_1.roll() + die_2.roll() +die_3.roll()
    results.append(result)

# 分析结果
frequencies = []
max_result = die_1.num_sides + die_2.num_sides + die_3.num_sides
for value in range(3, max_result+1):
    frequency = results.count(value)
    frequencies.append(frequency)

# 对结果进行可视化
hist = pygal.Bar()

hist.title = 'Results of rolling three D6 one time.'
hist.x_labels = ['3', '4', '5', '6', '7', '8',
                 '9', '10', '11', '12', '13', '14',
                 '15', '16', '17', '18']
hist.x_title = 'Result'
hist.y_title = 'Frequency of Result'

# add传递到图标，这种文件的扩展名必须为.svg
hist.add('D6 + D6 +D6', frequencies)
hist.render_to_file('D6_D6_D6.svg')

注:结果是随机的，因为pygal的自动适应屏幕原因，这边的Y轴其实最小值就是1,如果选择掷骰子多次则不会出现这样的刻度划分。

　　5.将点数相乘 :同时掷两个骰子时,通常将它们的点数相加。请通过可视化展示将两个骰子的点数相乘的结果。

　　关于点数相乘，我遇见了一些小小的问题，在经过几次代码的修改以后，我突然发现，乘法和加法在掷骰子的行为中，有着一些本质的区别，两个骰子相加时，最小点数为 2 ，最大点数是 12 ， 这之间的数字是连续不断开的，理论上来讲，只要掷骰子的次数够多，每个点都会掷到。但是乘法不同，乘法的最小值是 1 , 最大值是 36 , 注意了！ 乘法从 1 到 36 的得数不是连续的，比如说 两个骰子无论怎么分配，都是不可能掷到 11 点 、17 点 等等的，所以在这里我们需要考虑一个问题，是把 1 - 36 的每个数都写出来作为 X 轴呢，还是把不需要的数值去掉。这个问题是仁者见仁智者见智的，需要注意的一点是，pygal 的 互动 在你取消掉中间不可能的得数时，它是不会根据你横坐标数值的不同而自动对应的，比如说当横坐标为 1, 2, 3 时，如果你去掉了 2 ，程序会把 3 当成 2 的， 这就出现了 X 轴上实际数值对应的问题，对于如何使不可能出现的得数不将它作为横坐标，而不使图表出现对应错误的问题，经过我的尝试，目前还没有想到比较好的办法，因为程序的计数就是很直接的从 1 开始计数，或许在不久的将来，我能够找到解决这种问题的方法，毕竟对于我这样的强迫症患者来说，明明不该出现的东西出现了，还占了一个碍眼的位置是很难受的。我们依旧以投掷骰子 1000 次为例，具体代码如下：

import pygal

from die import Die

# 创建两个D6骰子
die_1 = Die()
die_2 = Die()

# 掷1000次骰子，并将结果存储在一个列表中
results = []
for roll_num in range(1000):
    result = die_1.roll() * die_2.roll()
    results.append(result)

    # print(results)

# 分析结果
frequencies = []
max_result = die_1.num_sides * die_2.num_sides
for value in range(1, max_result+1):
    frequency = results.count(value)
    frequencies.append(frequency)
    # print(frequencies)
# 对结果进行可视化
hist = pygal.Bar()

hist.title = 'Results of rolling two D6 1000 times.'
hist.x_labels = ['1', '2', '3', '4', '5', '6', '7','8',
                 '9', '10', '11', '12', '13', '14', '15', '16',
                 '17', '18', '19', '20', '21', '22', '23', '24',
                 '25', '26', '27', '28', '29', '30', '31', '32', '33', '34', '35', '36']
hist.x_title = 'Result'
hist.y_title = 'Frequency of Result'

# add传递到图标，这种文件的扩展名必须为.svg
hist.add('D6 * D6', frequencies)
hist.render_to_file('D6D6.svg')

注：中间空出来的东西我是看着真的不舒服，不过尝试了几个小时都没能解决，就先让它留着吧，当作日后进步的鞭策。

　　下面的这段代码是我尝试途中的一部分，问题还是比较大的，先让它留在这里，日后慢慢再来修改：

# Author:Canvas
# -*- coding:utf-8 -*-

import pygal

from die import Die

# 创建两个D6骰子
die_1 = Die()
die_2 = Die()

# 掷1000次骰子，并将结果存储在一个列表中
results = []
for roll_num in range(1000):
    result = die_1.roll() * die_2.roll()
    results.append(result)

    # print(results)

# 分析结果
frequencies = []
# max_result = die_1.num_sides * die_2.num_sides
# 此处不再使用max_result 因为我的X轴的数字总共只有20个
# max 有36 个，结果会和X坐标对应不起来
for value in range(1, 21):
    frequency = results.count(value)
    frequencies.append(frequency)
    # print(frequencies)
# 对结果进行可视化
hist = pygal.Bar()

hist.title = 'Results of rolling two D6 1000 times.'
hist.x_labels = ['1', '2', '3', '4', '5', '6', '8',
                 '9', '10', '12', '13', '14', '15',
                 '16', '18', '20', '24', '25', '30', '36']
hist.x_title = 'Result'
hist.y_title = 'Frequency of Result'

# add传递到图标，这种文件的扩展名必须为.svg
hist.add('D6 * D6', frequencies)
hist.render_to_file('D6D6.svg')

 

　　6.尝试使用 matplotlib 通过可视化来模拟掷骰子的情况,并尝试使用 Pygal 通过可视化来模拟随机漫步的情况。

 

　　关于代码除了书本上摘录的，个人的学习笔记篇幅有限，主要是为了方便自己日后学习查阅，所以你如果对这个代码感兴趣，对其中有疑问的地方可以问一下我，我会尽我所能提供解疑方法与途径，或者你可以直接查阅这篇文章所查阅的书籍——《python编程：从入门到实践》。