Skip to content

2-1 Project

1 外星人入侵（游戏）

使用 Pygame 开发的 2D 游戏

游戏部分鸽掉了，大家自己去看吧orz

安装 Pygame 

python3 -m pip install --user pygame

1.1 Init

创建设置类

# @ setting.py
<div markdown="1" style="margin-top: -30px; font-size: 0.75em; opacity: 0.7;">
:material-circle-edit-outline: 约 897 个字 :fontawesome-solid-code: 419 行代码 :material-clock-time-two-outline: 预计阅读时间 8 分钟
</div>
class Settings:
    def __init__(self):
        # 初始化游戏设置
        self.screen_width = 1200
        self.screen_height = 800
        # 窗体背景色
        self.bg_color = (230,230,230)

创建窗口并响应用户输入

# @ alien_invasion.py
import sys
import pygame
from setting import Settings

# 管理游戏资源与行为的类
class AlienInvasion:
    def __init__(self):
        # 初始化游戏并创建游戏资源
        pygame.init()
        # 使用 settings 实例保存配置信息
        self.settings = Settings()

        # 设置 1200px * 800px 的窗口（返回值是一个 Surface）每次循环后将自动重绘
        self.screen = pygame.display.set_mode(
            (self.settings.screen_width, self.settings.screen_height))
        # 设置标题
        pygame.display.set_capytion('Alien Invasion')

    def run_game(self):
        # 开始主循环
        while True:
            # 监听鼠标及键盘事件
            for event in pygame.event.get():
                if event.type == pygame.QUIT:
                    sys.exit()
            # 绘制指定背景色（默认为黑色）
            self.screen.fill(self.settings.bg_color)
            # 重新绘制
            pygame.display.flip()

if __name__ == '__main__':
    # 创建实例并运行游戏
    g = AlienInvation()
    g.run_game()

1.2 Ship 类

图像请放在根目录的 images 文件夹下

pygame 将所有元素都视为「矩形」以进行定位 / 碰撞计算

import pygame

class Ship:
    def __init__(self, game):
        # 设置初始位置
        self.screen = game.screen
        self.screen.rect = game.screen.get_rect()
        # 加载图片并获取外接矩形
        self.image = pygame.image.load('images/ship.bmp')
        self.rect = self.image.get_rect()
        # 置于底边中央
        self.rect.midbottom = self.screen_rect.midbottom

    def blitme(self):
        # 在指定位置绘制 ship
        self.screen.blit(self.image, self,rect)

2 数据可视化

2.1 Matplotlib 使用

2.1.1 基本使用

  • 我们使用 Matplotlib 数学绘图库进行简单的图表绘制
  • 同时使用 Plotly 包生成自动适应设备大小的图表
  1. 安装 Matplotlib 
    python -m pip install --user matplotlib
  2. 绘制简单的折线图 
    import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
fig, ax = plt.subplots() # fig 表示整张图，ax 表示各子表
ax.plot(squares) # 尝试以有意义的形式绘制给定数据
# 我们可以通过以下形式指定线条粗细
ax.plot(squares, linewidth=3)
# 单独指定 y 坐标将默认以「自然数」作为 x 坐标，下面指定 x 坐标
input_values = [1, 2, 3, 4, 5]
ax.plot(input_values, squares, linewidth=3)

# 设置标题并添加坐标轴标签
ax.set_title('平方数', fontsize=24)
ax.set_xlabel('值', fontsize=14)
ax.set_ylabel('值的平方', fontsize=14)

# 设置刻度标记大小
ax.tick_params(axis='both', labelsize=14)

plt.show() # 显示绘制结果
  3. 绘制简单散点图 
    import matplotlib.pyplot as plt

plt.style.use('seaborn') # 使用内置样式
fig, ax = plt.subplots()

# 手动指定数据
x_values = [1,2,3,4,5]
y_values = [1,4,9,16,25]

# 自动计算数据
x_values = range(1,1001)
y_values = [x**2 for x in x_values]

ax.scatter(x_values, y_values, s=200) # s 指定了点的大小

# 设置标题和坐标轴
ax.set_title('平方数', fontsize=24)
ax.set_xlabel('值', fontsize=14)
ax.set_ylabel('值的平方', fontsize=14)
# 设置坐标轴刻度大小
ax.tick_params(axis='both', which='major', labelsize=14)
# 设置坐标轴取值范围
ax.axis([0, 1100, 0, 1100000]) # x_min, x_max, y_min, y_max

plt.show()

  4. 自动保存图表

    将 plt.show() 替换为 plt.savefig()

    filename = 'quare_box.png'
figtype = 'tight' # 裁剪空白区域（不剪的话可以省略参数）

plt.savefig(filename, bbox_inches=figtype)

2.1.2 自定义样式

  1. 使用内置样式
    • 使用如下命令查看可用的内置样式 python import matplotliB.pyplot as plt plt.stytle.available # 会显示由可用样式构成的 List
    • 通过语句 plt.style.use('styleName') 使用内置样式（在 fig, ax = plt.subplots() 前 使用）
  2. 修改散点颜色
    • 通过字符串指定数据 ax.scatter(xVals, yVals, c='red')
    • 通过 RGB 指定颜色 ax.scattrt(xVals, yVals, c=(0,0.8,0))
  3. 使用「颜色映射」
    • 「颜色映射」是 一系列颜色，从起始渐变至结束
    • pyplot 内置了一组颜色映射，可以通过如下方式指定 
      ax.scatter(xVals, yVals, c=yVals, cmap=plt.cm.Blues, s=10)
# 我们使用 y 值列表指定每个点的颜色
# 使用 cmap 指定了使用的颜色映射
# => 较小的点将用浅蓝，较大的点将用深蓝

2.1.3 随机漫步模拟

  1. 创建 RandomWalk 类，用于随机选择前进方向 
    # @ranmdom_walk.py
from random import choice

class RandomWalk:
    def __init__(self, num_points=5000):
        self.num_points = num_points # 初始化总步数
        # 记录从 (0,0) 开始经过的每一步的坐标
        self.x_values = [0]
        self.y_values = [0]

    # 决定每次前进的方向，并生成位置坐标
    def fill_walk(self):
        # 共计生成 num_points 个点
        while len(self.x_values) < self.num_points:
            # x 方向（仅左右）
            x_direction = choice([1, -1])
            x_distance = choice([0,1,2,3,4])
            x_step = x_direction * x_distance
            # y 方向
            y_direction = choice([1, -1])
            y_distance = choice([0,1,2,3,4])
            y_step = y_direction * y_distance
            # 拒绝原地踏步
            if x_step == 0 and y_step == 0:
                continue
            # 保存当前值
            x = self.x_values[-1] + x_step
            y = self.y_values[-1] + y_step
            self.x_values.append(x)
            self.y_values.append(y)
  2. 绘制随机漫步图 
    import matplotlib.pyplot as plt
from random_walk import RandomWalk

# 只要程序处于活动状态就不断模拟随机漫步
while True:
    # 创建一个 RandomWalk 实例
    rw = RandomWalk()
    rw.fill_walk()
    # 绘制所有的点
    plt.style.use('classic')
    # 调整尺寸以适应屏幕 -> 默认 dpi=100
    fig, ax = plt.subplots(figsize=(15,9), dpi=128)
    # 给点着色(显示先后顺序)
    point_numbers = range(rw.num_points)
    ax.scatter(rw.x_values, rw.y_values, 
        c=point_numbers, cmap=plt.cm.Blues,
        edgecolors='none', s=15)
    # 突出起止位置
    ax.scatter(0, 0, c='green', edgecolor='none', s=100)
    ax.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolor='none', s=100)
    # 隐藏坐标轴
    ax.get_xaxis().set_visible(False)
    ax.get_yaxis().set_visible(False)
    plt.show()
    # 至少来一遍
    keep_running = input("Make another walk? (y/n)")
    if keep_running == 'n':
        break

2.2 使用 Plotly 模拟掷骰子

Plotly 可用于生成交互式图表：

  • 生成结果将自动缩放以使用使用者的屏幕
  • 当鼠标指向特定元素时，将突出显示该元素的信息

可以使用以下命令进行安装：

python3 -m pip install --user plotly
  1. 创建 Die 类 
    # 用于模拟掷骰子 @ die.py
from random import randint

class Die:
    def __init__(self, num_sides=6):
        # 默认骰子有六面
        self.num_sides = num_sides

    def roll(self):
        return randint(1, self.num_sides)
  2. 掷骰子 
    from die import Die

die = Die()
# 投掷结果存储在 List 中
results = []
for roll_num in range(100):
    result = die.roll()
    results.append(result)

# 分析投掷结果
frequencies = []
for value in range(1, die.num_sides):
    frequency = results.count(value)
    frequencies.append(frequency)
  3. 绘制直方图 
    from plotly.graph_objs import Bar, Layout
from plotly import offline

x_values = list(range(1, die.num_sides))
data = [Bar(x=x_values, y=frequencies)] # 数据集可能包含多个元素

x_axis_config = {'title': 'result'}
y_axis_config = {'title': 'frequncy'}

my_layout = Layout(title='Roll 1000 times',
    xaxis=x_axis_config, yaxis=y_axis_config)

offline.plot({
    'data': data,
    'layout': my_layout
}, filename='res.html') # 结果保存在同目录下的 res.html 中

2.3 可视化 CSV / JSON 文件

本节的依赖文件可在 该网址 找到

2.3.1 CSV 文件

  1. 分析 CSV 文件头 

    import csv

filename = 'path/to/csv/file'
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)
    print(header_row)

    • 输出为 ['STATION', 'NAME', 'DATE', 'PRCP', 'TAVG', 'TMAX', 'TMIN']

      => 每一个可能出现的字段名及其顺序

    • reader 会将第一行的元素存储在 List 中

  2. 打印文件头及其位置 

    # 输出格式形如：0 STATION => 字段名对应的列号
for index, column_header in enumerate(header_row):
    print(index, column_header)

  3. 提取并读取数据 

    # 提取最高温度
highs = []
# 遍历除 header 外的每一行
for row in reader:
    high = int(row[5]) # TMAX 存在 row_5
    highs.append(high)

  4. 绘制最高温度折线图 

    import matplotlib.pyplot as plt

plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.plot(highs, c='red')
# 设置样式
ax.set_title('2018.07 每日最高温度', fontsize=24)
ax.set_xlabel('', fontsize=16)
ax.set_ylabel('温度(F)', fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

  5. 使用 datetime 模块添加日期

    • 我们可以使用 datetime.strptime('2018-07-01', '%Y-%m-%d') 将字符串以指定格式解析为对应的日期对象

    • 格式字符串支持的参数如下：

      实参 含义
      %A 星期几，如 Monday
      %B 几月份，如 January
      %m 数字表示的月份，01 - 12
      %d 数字表示的日期，01 - 31
      %Y 四位数年份，如 2001
      %y 两位数年份，如 19
      %H 24H 小时数，00 - 23
      %I 12H 小时数，01 - 12
      %p am / pm
      %M 分钟，00 - 59
      %S 秒数，00 - 61

  6. 在图表中添加日期 

    from datetime import datetime

# 从文件中获取日期（合并到同一个 Loop 中）
dates = []
for row in reader:
    current_date = datetime.sprttime(row[2], '%Y-%m-%d')
    dates.append(current_date)

# 为图表添加横轴数据源
ax.plot(dates, highs, c='red')

# 绘制倾斜的日期标签以避免重叠
fig.sutofmt_xdate()

  7. 绘制两个数据序列，并给区间着色 

    # 同时显示 最高/最低 温度 -> 只写绘制部分的代码
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red', alpha=0.5)
ax.plot(dates. lows, c='blue', alpha=0.5)
# 使用 fill_between() 填补中间的空间
ax.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)

  8. 错误检查

    使用不存在的字段名可能导致程序崩溃，需要妥善处理

    filename = 'path/to/csv/file'
with open(filename) as f:
    for row in reader:
        date = datetime.strptime(row[2], '%Y-%m-%d')
        try:
            # 为空('')时会报错
            high = int(row[4])
            low = int(row[5])
        except ValueError:
            # 忽略数据缺失的日期（没有 append 进去）
            print(f'Missing data for {date}')
        else:
            dates.append(date)
            highs.append(high)
            lows.append(low)

2.3.2 JSON 文件

  1. 查看 JSON 数据

    据说直接看源文件不太友好，我们重新把它写进一个新文件

    import json

filename = 'path/to/json/file'
with open(filename) as f:
    all_data = json.load(f) # 结果是一个巨大的 Dict

readable_file = 'readable_data.json'
with open(readable_file, 'w') as f:
    json.dump(all_data, f, indent=4) # 指定缩进四格

  2. 提取详细信息 

    import json

# 详细数据存储在第一级的 features 字段下（是一个 List）
filename = "path/to/json/file"
with open(filename) as f:
    all_data = json.load(f)

eq_dicts = all_data['features']

# 提取震级 & 位置信息
mags, titles, lons, lats = [], [], [], []
for eq in eq_dicts:
    mag = eq_dict['properties']['mag']
    title = eq_dict['properties']['title']
    lon = eq_dict['geometry']['coordinates'][0]
    lat = eq_dict['geometry']['coordinates'][1]

    mags.append(mag)
    titles.append(title)
    lons.append(lon)
    lats.append(lat)

  3. 绘制震级散点图 

    import plotly.express as px

fig = px.scatter(
    x = lons,
    y = lats,
    labels = {'x': '维度', 'y': '经度'},
    range_x = [-200, 200],
    range_y = [-90, 90],
    width=800,
    height=800,
    title='全球地震散点图'
)
# 另一种指定数据的方式（使用 pandas）
import pandas as pd
# 需要建立 DataFrame
data = pd.DataFrame(
    data=zip(lons, lats, titles, mags), columns=['经度','维度','位置','震级']
)
fig = px.scatter(
    # 导入数据包后，直接使用字段名指定数据源
    data,
    x='经度',
    y='维度',
    ...,
    # 定制标记尺寸
    size='震级',
    size_max=10,
    # 定制标记严责（默认 蓝-红-黄）
    color='震级',
    # 添加 hover 文本
    hover_name='位置'
)

fig.write_html('global_eq.html')
fig.show()

  4. 查看可用渐变映射方案

    import plotly.express as px

for key in px.color.named_colorscales:
    print(key)
    • 我们可以使用 px.colors.diverging.RdYlGn[::-1] 反转映射列表
    • 除 px.colors.diverging 提供的 连续 配色方案外，Plotly 还在 px.colors.sequential . px.colors.qualitative 中提供了 离散 的配色方案

2.4 GitHub API 返回结果可视化

  1. 使用 API 请求数据

    • 借口地址 https://api.github.com/search/repositories?q=language:python&sort=stars
    • 响应格式 
      {
    "total_count": 3494012,
    "incomplete_results": false,
    "items": [
        {
            "id": 21289110,
            "node_id": "fghjklsdfiuyudfsfd==",
            "name": "awsome-python",
            "full_name": "vinta/awsome-python",
            ...
        }
    ]
}

  2. 安装 Requests 以发送请求并检查响应 

    python3 -m pip install --user requests

  3. 发送请求并处理响应 

    import requests

#  调用 API 并存储响应
url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
# 设置请求头
headers = {'Accept': 'application/vnd.github.v3+json'}
# 获取响应
r = requests.get(url, headers=headers)
print(f'Status Code = {r.status_code}')
# 将结果转为 Dict
response_dict = r.json()
# 显示返回值的所有字段
print(response_dict.keys())

  4. 监听 API 的速率限制

    直接访问 https://api.github.com/rate_limit 获取相关响应

  5. 使用 Plotly 可视化仓库

    • 需求：创建交互式条形图。高度表示该项目的 star 数，单击条形可以进入项目的 GitHub 主页
    • 实现 
      from plotly.graph_obj import Bar
from plottly import offline

stars, labels, links = [], [], [], []
for repo in repo_dict:
    # 添加可单击的链接
    links.append(f"<a href='{repo["html_url"]}'>{reop["name"]}</a>")
    stars.append(repo['stargazers_count'])
    # 设置 label
    owner = repo['owner']['login']
    desc = repo['description']
    laebl = f"{owener} </br> {description}"
    labels.append(label)

# 可视化
data = [{
    'type': 'bar',
    'x': links,
    'y': stars,
    # 设置提示文本
    'hovertext': labels,
    # 定制 Bar 的颜色与边框
    'marker': {
        'color': 'rgb(60, 100, 150)',
        'line': {'width': 1.5, 'color': 'rgb(25,25,25)'}
    },
    # Bar 的不透明度
    'opacity': 0.6
}]
my_layout = {
    'title': 'GitHub 上最受欢迎的 Python 项目',
    'titlefont': {'size':28}
    'xaxis': { 
        'title': 'Repository',
        'titlefont': {'size':24},
        'tickfont': {'size': 14}
    },
    'yaxis': { 
        'title': 'Stars'
        'titlefont': {'size':24},
        'tickfont': {'size': 14}
    }
}
fig = {'data': data, 'layout': my_layout}
offlien.plot(fig, filename='python_repo.html')