網(wǎng)上有很多關(guān)于巧用pos機(jī),讓你的 Python 可視化大放異彩的知識(shí)，也有很多人為大家解答關(guān)于巧用pos機(jī)的問題，今天pos機(jī)之家(www.tjfsxbj.com)為大家整理了關(guān)于這方面的知識(shí)，讓我們一起來(lái)看下吧!
本文目錄一覽：
巧用pos機(jī)
原創(chuàng)：Hanz 源：Python數(shù)據(jù)之道
— 1 —前言
如果你對(duì)本文的代碼感興趣，可以去 Github （文末提供）里查看。第一次運(yùn)行的時(shí)候會(huì)報(bào)一個(gè)錯(cuò)誤（還沒找到解決辦法），不過只要再運(yùn)行一次就正常了。
這篇文章雖然不是篇典型的數(shù)據(jù)科學(xué)類文章，不過它涉及到數(shù)據(jù)科學(xué)以及商業(yè)智能的應(yīng)用。Python 的 Matplotlib 是最常用的圖表繪制以及數(shù)據(jù)可視化庫(kù)。我們對(duì)折線圖、柱狀圖以及熱力圖都比較熟悉，但你知道用 Matplotlib 還能做簡(jiǎn)單的動(dòng)畫嗎？
下面就是用 Matplotlib 制作動(dòng)畫的例子。展示的是 John Conway 的 《The Game of Life》，這是一個(gè) Metis（數(shù)據(jù)科學(xué)夏令營(yíng)）中的編程挑戰(zhàn)題目，同時(shí)給了我一個(gè)機(jī)會(huì)來(lái)制作我的第一個(gè) Python 動(dòng)畫?？纯唇Y(jié)果的動(dòng)圖：
這篇文章的重點(diǎn)還是主要放在 python 中如何用 Matploylib 制作動(dòng)畫。
但如果你不太熟悉模擬游戲的話（它更像是可以看的模擬動(dòng)畫，而非可以玩的游戲），我來(lái)給大家介紹一下規(guī)則：
一開始先設(shè)置一個(gè) N×N 的網(wǎng)格（我的動(dòng)畫中用的是 50×50 ）；接著隨機(jī)地向格子中填充“小細(xì)胞”（一開始隨機(jī)地從 2500 個(gè)格子中選取 1500 個(gè)進(jìn)行填充）；如果鄰居小細(xì)胞少于等于 1 個(gè)，那格子中的小細(xì)胞會(huì)死掉；如果鄰居大于等于 4 個(gè)的也會(huì)死掉；只有 2 個(gè)或 3 個(gè)鄰居時(shí)可以生存；空的格子中如果正好有 3 個(gè)鄰居，則會(huì)長(zhǎng)出 1 個(gè)新的“小細(xì)胞”；— 2 —建立網(wǎng)格
我們首先導(dǎo)入所需的庫(kù)。
import timefrom IPython import displayimport matplotlib.pyplot as pltimport matplotlib.animation as animation
我們會(huì)利用 Matploylib 動(dòng)畫模塊中的 FuncAnimation() 函數(shù)。 FuncAnimation()是通過多次調(diào)用一個(gè)函數(shù)并逐次更新圖片來(lái)實(shí)現(xiàn)讓圖片動(dòng)起來(lái)的。 我們來(lái)一步步地實(shí)現(xiàn)這個(gè)過程。
但首先，我們需要先初始化我們的網(wǎng)格。下面的幾行代碼用來(lái)存儲(chǔ)我們輸入的數(shù)據(jù)：
我們需要一個(gè) 50×50 大小的網(wǎng)格；pad 變量可以使得計(jì)算鄰居變得更容易。通過在邊界外添加一層空白格子，我們就不需要額外再寫一個(gè)邏輯來(lái)處理網(wǎng)格的邊界。因此我們 50×50 的網(wǎng)格其實(shí)是被一圈空白格子包圍著，這使得實(shí)際的 numpy 序列的大小為 52×52；initial_cels 變量表示在網(wǎng)格啟動(dòng)的時(shí)候我們想要多少“小細(xì)胞”。他們會(huì)被隨機(jī)地分布在網(wǎng)格上。# Input variables for the boardboardsize = 50 # board will be X by X where X = boardsizepad = 2 # padded border, do not change this!initial_cells = 1500 # this number of initial cells will be placed # in randomly generated positions
接下來(lái)我們隨機(jī)地生成一系列“小細(xì)胞”的初始坐標(biāo)（上面我們選擇了 1500 個(gè)）。把這些坐標(biāo)存儲(chǔ)在 pos_list 變量中。
# Get a list of random coordinates so that we can initialize# board with randomly placed organismspos_list = []for i in range(initial_cells): pos_list.append([random.randint(1, boardsize), random.randint(1, boardsize)])
然后我們是時(shí)候該初始化網(wǎng)格了。我們會(huì)用一組叫 my_board 的 numpy 序列來(lái)代表我們的網(wǎng)格——我們先生成一個(gè) 52×52 數(shù)值為 0 的矩陣序列作為開始（比 50×50 大是由于增加了空白邊緣），然后調(diào)用 init_board() 函數(shù)來(lái)根據(jù) pos_list 中的坐標(biāo)把“小細(xì)胞”填充到網(wǎng)格中。輔助函數(shù)的具體細(xì)節(jié)我不再展開講了，不過我把他們都整理到我的 Github 上了。
# Initialize the boardmy_board = np.zeros((boardsize+pad, boardsize+pad))my_board = init_board(pos_list, my_board)
— 3 —制作網(wǎng)格動(dòng)畫
這是我們最期待的部分——?jiǎng)赢?！首先，我們需要完善一些配置。下面的幾行代碼用來(lái)生成展示我們動(dòng)畫的 mtplotlib 圖框。
# Required line for plotting the animation%matplotlib notebook# Initialize the plot of the board that will be used for animationfig = plt.gcf()
接下來(lái)制作我們的第一幀。 mtplotlib 中的 imshow() 函數(shù)可以接收一組 numpy 矩陣然后返回一張圖片。很酷吧！
# Show first image - which is the initial boardim = plt.imshow(my_board)plt.show()
傳入 imshow() 的變量是我們的初始的網(wǎng)格 my_board。生成的圖片長(zhǎng)這樣：
現(xiàn)在我們需要寫一個(gè)可以給 FuncAnimation() 調(diào)用的輔助函數(shù)。 animate() 函數(shù)接受一幀畫面作為輸入充當(dāng)計(jì)數(shù)器。這個(gè)畫面計(jì)數(shù)器就是 FuncAnimation() 和 animate() 函數(shù)溝通的橋梁——在每一個(gè)時(shí)間點(diǎn)（也就是每一幀），它都會(huì)調(diào)用一次 animate()。然后 animate() 會(huì)逐次使用輔助函數(shù) update_board() 來(lái)對(duì)網(wǎng)格進(jìn)行迭代。最后， set_data() 函數(shù)將圖片更新為迭代后的網(wǎng)格，這就完成了。
# Helper function that updates the board and returns a new image of# the updated board animate is the function that FuncAnimation callsdef animate(frame): im.set_data(update_board(my_board)) return im,
一切順利！我們準(zhǔn)備調(diào)用 FuncAnimation() 函數(shù)了。注意輸入的參數(shù)：
fig 是我們?cè)谇懊鎰?chuàng)建的用來(lái)裝載我們的動(dòng)畫的圖形變量；animate 是 FuncAnimation() 用畫面計(jì)數(shù)器進(jìn)行溝通的函數(shù)（自動(dòng)傳入，不需要特別聲明）frames 表示我們希望動(dòng)畫持續(xù)多少幀，在這里我們想要?jiǎng)赢嫷拈L(zhǎng)度為 200 幀；interval 表示每一幀之間間隔的毫秒數(shù)。我們想要每幀之間間隔 50 毫秒。# This line creates the animationanim = animation.FuncAnimation(fig, animate, frames=200, interval=50)
就這么簡(jiǎn)單！不是很難吧？為了慶祝我們成功制作動(dòng)畫，我再送大家一個(gè)動(dòng)畫：
— 4 —總結(jié)
希望這篇文章能幫到大家。在結(jié)束之前，讓我來(lái)幫助大家腦補(bǔ)更多我們今天學(xué)到的動(dòng)畫功能在數(shù)據(jù)科學(xué)上的應(yīng)用：
一個(gè)個(gè)地畫出蒙特卡洛模擬數(shù)據(jù)，你能觀察到最終的分布是如何逐步形成的；按順序遍歷時(shí)間序列數(shù)據(jù)，可以描繪你的模型或數(shù)據(jù)在新的觀察角度下有什么表現(xiàn)；當(dāng)你改變輸入?yún)?shù)時(shí)，比如族群數(shù)，可以展現(xiàn)你的算法是如何劃分族群的；根據(jù)時(shí)間或不同的數(shù)據(jù)子集生成關(guān)聯(lián)熱力圖，用于觀察不同的樣本是如何影響你的模型的預(yù)期參數(shù)的。Github: https://github.com/yiuhyuk/game_of_life
來(lái)源：https://towardsdatascience.com/spice-up-your-python-visualizations-with-matplotlib-animations-d437d7e98e67
最后，我自己是一名從事了多年開發(fā)的Python老程序員，辭職目前在做自己的Python私人定制課程，今年年初我花了一個(gè)月整理了一份最適合2019年學(xué)習(xí)的Python學(xué)習(xí)干貨，可以送給每一位喜歡Python的小伙伴，想要獲取的可以關(guān)注我的頭條號(hào)并在后臺(tái)私信我：01，即可免費(fèi)獲取。
怪物獵人長(zhǎng)刀技巧？
1/4
利用預(yù)判空揮氣刃斬開刃。
典型案例，電龍，在電龍?jiān)胤烹姷臅r(shí)候，可以空揮氣刃斬1-3式，當(dāng)電龍放電完畢還有來(lái)下步動(dòng)作的時(shí)候氣刃大回旋開刃。當(dāng)電龍飛撲前置動(dòng)作出現(xiàn)時(shí)，預(yù)判電龍落點(diǎn)，提前空揮氣刃斬，落地還未起身大回旋命中
2/4
利用硬直倒地開刃。
典型案例，盾蟹鐮蟹，當(dāng)怪物出現(xiàn)硬直時(shí)，直接短開刃收刀走人。當(dāng)怪物出現(xiàn)倒地時(shí)長(zhǎng)開刃極旋。
3/4
利用小怪續(xù)刃。
情景分析：速龍怪物類，會(huì)召喚很多小速龍，而boss自身比較活躍。當(dāng)打出氣刃1-3后發(fā)現(xiàn)boss逃出攻擊范圍，鼠標(biāo)迅速調(diào)整到附近小怪身上大回旋，也可以達(dá)到開刃/續(xù)刃的效果。
4/4
巧用集氣斬續(xù)刃。
在內(nèi)的近乎所有太刀都是寧可大回旋也不用集氣斬，那么在此先自我檢討一下。太刀作為一個(gè)沒有防御的近戰(zhàn)職業(yè)，自身的動(dòng)作比較大，招式結(jié)束后的poss時(shí)間也比較久。
在于怪物的近身搏斗中盲目用大回旋是一個(gè)比較危險(xiǎn)的選擇。而集氣斬的釋放前置可以比大回旋少1下氣刃斬3式。而動(dòng)作相對(duì)大回旋又比較小。在一些尷尬的地形，如墻邊與地圖交界處。選擇集氣斬續(xù)刃則會(huì)更加理想。
以上就是關(guān)于巧用pos機(jī),讓你的 Python 可視化大放異彩的知識(shí)，后面我們會(huì)繼續(xù)為大家整理關(guān)于巧用pos機(jī)的知識(shí)，希望能夠幫助到大家！
