Wizualizacja wszystkich spacerów

all_walks to lista list – każda podlista reprezentuje jeden losowy spacer. Jeśli przekonwertujesz tę listę list na tablicę NumPy, możesz zacząć tworzyć ciekawe wykresy! Biblioteka matplotlib.pyplot jest już zaimportowana jako plt.

Zagnieżdżona pętla for jest już napisana – nie musisz się nią teraz zajmować. Skup się na kodzie, który pojawia się po tej pętli.

To ćwiczenie jest częścią kursu

Python średnio zaawansowany

Zobacz kurs

Instrukcje do ćwiczenia

Użyj np.array(), aby przekonwertować all_walks na tablicę NumPy o nazwie np_aw.
Spróbuj wywołać plt.plot() na np_aw. Dodaj też plt.show(). Czy wykres od razu wygląda poprawnie?
Transponuj np_aw, wywołując np.transpose() na np_aw. Wynik zapisz jako np_aw_t. Teraz każdy wiersz w np_aw_t reprezentuje pozycję po 1 rzucie dla pięciu losowych spacerów.
Użyj plt.plot(), aby wykreślić np_aw_t, i dodaj plt.show(). Czy tym razem wykres wygląda lepiej?

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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

Edytuj i uruchom kod