Alle Irrläufe visualisieren

all_walks ist eine Liste aus Listen: Jede Unterliste repräsentiert einen einzelnen Irrlauf. Wenn du diese Liste aus Listen in ein NumPy-Array umwandelst, kannst du interessante Diagramme erstellen. matplotlib.pyplot ist bereits als plt importiert.

Die verschachtelte for-Schleife ist ebenfalls bereits kodiert – du brauchst dir darüber also keine Gedanken zu machen. Konzentriere dich zunächst auf den Code, der nach dieser for-Schleife kommt.

Diese Übung ist Teil des Kurses

Python für Fortgeschrittene

Kurs anzeigen

Anleitung zur Übung

Verwende np.array(), um all_walks in das NumPy-Array np_aw umzuwandeln.
Versuche, plt.plot() mit np_aw zu nutzen. Füge außerdem plt.show() ein. Funktioniert es sofort ohne weitere Anpassungen?
Transponiere np_aw durch den Aufruf von np.transpose() mit np_aw. Nenne das Ergebnis np_aw_t. Jetzt stellt jede Zeile in np_all_walks für die fünf Irrläufe die Position nach einem Wurf dar.
Verwende plt.plot(), um np_aw_t zu visualisieren; füge auch eine plt.show()-Anweisung hinzu. Sieht es diesmal besser aus?

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# numpy and matplotlib imported, seed set.

# initialize and populate all_walks
all_walks = []
for i in range(5) :
    random_walk = [0]
    for x in range(100) :
        step = random_walk[-1]
        dice = np.random.randint(1,7)
        if dice <= 2:
            step = max(0, step - 1)
        elif dice <= 5:
            step = step + 1
        else:
            step = step + np.random.randint(1,7)
        random_walk.append(step)
    all_walks.append(random_walk)

# Convert all_walks to NumPy array: np_aw


# Plot np_aw and show


# Clear the figure
plt.clf()

# Transpose np_aw: np_aw_t


# Plot np_aw_t and show

Bearbeiten und Ausführen von Code