Visualiser toutes les marches

all_walks est une liste de listes : chaque sous-liste représente une marche aléatoire. Si vous convertissez cette liste de listes en un tableau NumPy, vous pourrez commencer à produire des graphiques intéressants ! matplotlib.pyplot est déjà importé sous le nom plt.

La boucle for imbriquée est déjà écrite pour vous — ne vous en faites pas. Pour l'instant, concentrez-vous sur le code qui suit cette boucle for.

Cette activité fait partie du cours

Python intermédiaire

Voir le cours

Instructions de l’exercice

Utilisez np.array() pour convertir all_walks en un tableau NumPy, np_aw.
Essayez d'utiliser plt.plot() sur np_aw. Incluez aussi plt.show(). Est-ce que ça fonctionne tel quel ?
Transposez np_aw en appelant np.transpose() sur np_aw. Nommez le résultat np_aw_t. Maintenant, chaque ligne de np_aw_t représente la position après 1 lancer pour les cinq marches aléatoires.
Utilisez plt.plot() pour tracer np_aw_t; incluez aussi un plt.show(). Est-ce que c'est mieux cette fois ?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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

Modifier et exécuter le code