[开发工具]第十五章 生成数据

15.1 安装Matplotlib

1. win + R ，并输入 cmd ， 进入命令行界面
   如下图：
   2. 使用 python -m pip list ， 查看本机的安装的所有模块如下图：:

2. 按提示信息，将 pip 版本升级至最新
   如下图：
   :

3. 升级成功后， 使用 python -m pip install matplotlib 安装Matplotlib
   如下图：
   :

4. 安装成功后，再次使用 python -m pip list ，发现matpoltlib已经存在了
   如下图：
   :

5. 打开pycharm，新建一个项目：date_study
   如下图：
   :

6. 新建一个测试文件：test.py，将以下代码复制进去，然后运行

import matplotlib.pyplot as plt
labels='frogs','hogs','dogs','logs'
sizes=15,20,45,10
colors='yellowgreen','gold','lightskyblue','lightcoral'
explode=0,0.1,0,0
plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)
plt.show()

运行结果如下图：

15.2 绘制简单的折线图

1. subplots（）函数
2. plot（）函数
3. show（）函数

新建 test.py，输入以下代码

import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
fig, ax = plt.subplots()
ax.plot(squares)

plt.show()

实现效果如下图：

15.2.1 修改标签文字和线条粗细

1. set_title()
2. set_xlabel()
3. set_ylabel()
4. tick_params()

改善图表的可读性

import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
fig, ax = plt.subplots()
ax.plot(squares, linewidth=3) # 参数2设置线条粗细

ax.set_title("平方数", fontsize=24) #该方法设置标题
ax.set_xlabel("值", fontsize=14) #该方法设置x轴标题
ax.set_ylabel("值的平法数", fontsize=14) #该方法设置y轴标题

#参数1设置刻度的样式，参数2设置字号
ax.tick_params(axis="both", labelsize=14)

plt.show()

此时，运行程序，大概率会出现中文不能显示的情况，可以遵循以下方法解决

1. Win + R ，输入 cmd 打开命令行窗口
2. 输入 python，进入python界面
3. 输入 import matplotlib 导入该模块
4. 输入 matplotlib.matplotlib_fname() 查找该文件路径，查询结果为：
   C:\Users\zhangxy\AppData\Roaming\Python\Python39\site-packages\matplotlib\mpl-data\matplotlibrc
   （“\\“需要改为”\“）
   5 .用文本方式打开该文件，搜索 font.family ,找到 # font.family: sans-serif ,将其改为
   font.family: Microsoft YaHei

此时运行程序，即可达到与课本相同的效果，如图：

15.2.2 校正图形

我们发现图形的终点4.0的平方是25，这很明显不对，这是因为：没有输入值时，假设的第一个x数据点是0，我们修复这个问题

import matplotlib.pyplot as plt

input_values = [1, 2, 3, 4, 5] # 为plot（）提供输入值
squares = [1, 4, 9, 16, 25]
fig, ax = plt.subplots()
ax.plot(input_values, squares, linewidth=3) # 参数2设置线条粗细

ax.set_title("平方数", fontsize=24) #该方法设置标题
ax.set_xlabel("值", fontsize=14) #该方法设置x轴标题
ax.set_ylabel("值的平法数", fontsize=14) #该方法设置y轴标题

#参数1设置刻度的样式，参数2设置字号
ax.tick_params(axis="both", labelsize=14)

plt.show()

此时输出的图形是正确的，如下图：

15.2.3 使用内置样式

matplotlib提供了很多样式
执行程序

import matplotlib.pyplot as plt

print(plt.style.available)

输出：
[‘Solarize_Light2’, ‘_classic_test_patch’, ‘_mpl-gallery’, ‘_mpl-gallery-nogrid’, ‘bmh’, ‘classic’, ‘dark_background’, ‘fast’, ‘fivethirtyeight’, ‘ggplot’, ‘grayscale’, ‘seaborn’, ‘seaborn-bright’, ‘seaborn-colorblind’, ‘seaborn-dark’, ‘seaborn-dark-palette’, ‘seaborn-darkgrid’, ‘seaborn-deep’, ‘seaborn-muted’, ‘seaborn-notebook’, ‘seaborn-paper’, ‘seaborn-pastel’, ‘seaborn-poster’, ‘seaborn-talk’, ‘seaborn-ticks’, ‘seaborn-white’, ‘seaborn-whitegrid’, ‘tableau-colorblind10’]

使用其中的某一个样式，如：Solarize_Light2

使用 seaborn 又会出现汉语无法显示的问题

实现代码如下：

import matplotlib.pyplot as plt


input_values = [1, 2, 3, 4, 5] # 为plot（）提供输入值
squares = [1, 4, 9, 16, 25]

plt.style.use("Solarize_Light2")
fig, ax = plt.subplots()
ax.plot(input_values, squares, linewidth=3) # 参数2设置线条粗细

ax.set_title("平方数", fontsize=24) #该方法设置标题
ax.set_xlabel("值", fontsize=14) #该方法设置x轴标题
ax.set_ylabel("值的平法数", fontsize=14) #该方法设置y轴标题

#参数1设置刻度的样式，参数2设置字号
ax.tick_params(axis="both", labelsize=14)

plt.show()

执行程序，显示如下图：

15.2.4 使用scatter()绘制散点图并设置样式

绘制单个点，使用scatter()方法

import matplotlib.pyplot as plt

plt.style.use('Solarize_Light2')
fig, ax = plt.subplots()
ax.scatter(2, 4) # 使用该方法绘制一个（2，4）的点

plt.show()

执行结果如下图：

设置图标的样式，包括标题、坐标轴标签等

import matplotlib.pyplot as plt

plt.style.use('Solarize_Light2')
fig, ax = plt.subplots()
ax.scatter(2, 4, s=200)
# 使用该方法绘制一个（2，4）的点,s表示点的尺寸

#设置图标的标题和坐标轴标签
ax.set_title("平方数", fontsize=24)
ax.set_xlabel("值", fontsize=14)
ax.set_ylabel("值的平方", fontsize=14)

#设置刻度标记的大小
ax.tick_params(axis='both', which='major',labelsize=14)

plt.show()

执行结果如下图”：

15.2.5 使用scatter()绘制一系列点

要绘制一系列点，可以传递两个包含x，y的列表，列表值按下标组合成元素点坐标
x=[1,2,3];y=[4,5,6],那么点就是（1，4）、（2，5）、（3，6）三个

程序如下图：

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
plt.style.use('Solarize_Light2')
fig, ax = plt.subplots()
ax.scatter(x_values, y_values, s=100)

#设置图标的标题和坐标轴标签
ax.set_title("平方数", fontsize=24)
ax.set_xlabel("值", fontsize=14)
ax.set_ylabel("值的平方", fontsize=14)

#设置刻度标记的大小
ax.tick_params(axis='both', which='major',labelsize=14)

plt.show()

执行结果如下图：

15.2.6 自动计算数据

如果数据量大，手动输入值效率低下，我们可以用python循环来完成

# 绘制1000个点的代码
import matplotlib.pyplot as plt

x_values = range(1,1001)
y_values = [x**2 for x in x_values]
plt.style.use('Solarize_Light2')
fig, ax = plt.subplots()
ax.scatter(x_values, y_values, s=10)

#设置图标的标题和坐标轴标签
ax.set_title("平方数", fontsize=24)
ax.set_xlabel("值", fontsize=14)
ax.set_ylabel("值的平方", fontsize=14)

#设置刻度标记的大小
ax.tick_params(axis='both', which='major',labelsize=14)

# 设置x，y坐标轴的取值范围
ax.axis = ([0, 1100, 0, 1100000]) #四个值分别是x的最小最大，y的最小最大

plt.show()

执行效果如下图：

15.2.7 自定义颜色

要修改数据点的颜色，只需要向scatter()传递参数c即可

c 可以是颜色的名称，如 c=‘red’，也可以是RGB颜色，如 c=（0，0.8，0），三个值分别代表红、绿、蓝的分量，取值范围都是0-1

# 绘制1000个点的代码
import matplotlib.pyplot as plt

x_values = range(1,1001)
y_values = [x**2 for x in x_values]
plt.style.use('Solarize_Light2')
fig, ax = plt.subplots()
#ax.scatter(x_values, y_values, c= 'red', s=10)
#或者,这两行取其中一行即可
ax.scatter(x_values, y_values, c=(0, 0.8, 0), s=10)

#设置图标的标题和坐标轴标签
ax.set_title("平方数", fontsize=24)
ax.set_xlabel("值", fontsize=14)
ax.set_ylabel("值的平方", fontsize=14)

#设置刻度标记的大小
ax.tick_params(axis='both', which='major',labelsize=14)

# 设置x，y坐标轴的取值范围
ax.axis = ([0, 1100, 0, 1100000]) #四个值分别是x的最小最大，y的最小最大

plt.show()

执行结果如下图：

15.2.8 使用颜色映射

颜色映射首先将scatter()方法中的c设置为一个列表，然后用cmap参数进行颜色映射，小的值为浅色，大的值为深色

# 绘制1000个点的代码
import matplotlib.pyplot as plt

x_values = range(1,1001)
y_values = [x**2 for x in x_values]
plt.style.use('Solarize_Light2')
fig, ax = plt.subplots()
# 使用颜色映射
ax.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, s=10)

#设置图标的标题和坐标轴标签
ax.set_title("平方数", fontsize=24)
ax.set_xlabel("值", fontsize=14)
ax.set_ylabel("值的平方", fontsize=14)

#设置刻度标记的大小
ax.tick_params(axis='both', which='major',labelsize=14)

# 设置x，y坐标轴的取值范围
ax.axis = ([0, 1100, 0, 1100000]) #四个值分别是x的最小最大，y的最小最大

plt.show()

执行效果如下图：

15.2.9 自动保存图标

只需将plt.show()改为调用plt.savefig()

# 绘制1000个点的代码
import matplotlib.pyplot as plt

x_values = range(1,1001)
y_values = [x**2 for x in x_values]
plt.style.use('Solarize_Light2')
fig, ax = plt.subplots()
# 使用颜色映射
ax.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, s=10)

#设置图标的标题和坐标轴标签
ax.set_title("平方数", fontsize=24)
ax.set_xlabel("值", fontsize=14)
ax.set_ylabel("值的平方", fontsize=14)

#设置刻度标记的大小
ax.tick_params(axis='both', which='major',labelsize=14)

# 设置x，y坐标轴的取值范围
ax.axis = ([0, 1100, 0, 1100000]) #四个值分别是x的最小最大，y的最小最大

plt.savefig('squares_plot.png', bbox_inches='tight')
#第一个参数是保存图片的文件名字，第二个参数是剪掉多余的空白

执行程序，发现.py同目录下多了一个Png文件，如下图一：

打开该图片：

15.3 随机漫步

随机漫步指每次行走都是完全随机的，没有明确的方向，没有明确的步数

15.3.1 创建RandomWalk类 & 15.3.2 选择方向

RandomWalk类应该包括三个属性：

1. 随机漫步的次数
2. 随机漫步每次的x坐标
3. 随机漫步每次的y坐标

x，y坐标合起来就是一个点

RandomWalk类还有2个方法：

1. 初始化方法
2. fill_walk()方法，该方法用来计算随机漫步经过的所有点

# randomwalk.py

from random import choice

class RandomWalk:
    '''一个生成随机漫步的类'''

    def __init__(self, num_points=5000):
        '''初始化随机漫步的属性'''
        self.num_points = num_points

        # 所有随机漫步都从（0，0）开始
        self.x_values = [0]
        self.y_values = [0]

    def fill_walk(self):
        '''计算随机漫步包含的所有点'''

    # 不断漫步，知道列表到达指定长度
        while len(self.x_values) < self.num_points:

            # 决定前进的方向和前进的距离
            x_direction = choice([1, -1])
            x_distance = choice([0, 1, 2, 3, 4])
            x_step = x_distance * x_direction

            y_direction = choice([1, -1])
            y_distance = choice([0, 1, 2, 3, 4])
            y_step = y_distance * y_direction

            # 拒绝原地踏步
            if x_step == 0 and y_step == 0:
                continue

            # 计算下一个点的x和y的值
            x = self.x_values[-1] + x_step
            y = self.y_values[-1] + y_step

            self.x_values.append(x)
            self.y_values.append(y)

15.3.3 绘制随机漫步图

代码如下：

# rw.py

import matplotlib.pyplot as plt
from randomwalk import RandomWalk

# 创建一个RandomWalk实例
rw = RandomWalk()
rw.fill_walk()

# 将所有点都绘制出来
plt.style.use('classic')
fig, ax = plt.subplots()
ax.scatter(rw.x_values, rw.y_values, s=15)

plt.show()

执行结果如下图：

15.3.4 模拟多次随机漫步

使用while循环，实现多次随机漫步,只需修改rw.py代码：

# rw.py

import matplotlib.pyplot as plt
from randomwalk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()

    # 将所有点都绘制出来
    plt.style.use('classic')
    fig, ax = plt.subplots()
    ax.scatter(rw.x_values, rw.y_values, s=15)

    plt.show()

    keep_running = input("Make another walk?(y/n): ")
    if keep_running == 'n':
        break

执行效果如图：

15.3.5 设置随机漫步图的样式

1 给着色点

本小节我们完成的任务是按照漫步的先后顺序给生成点着色，并去掉每个生成点 的外圈
修改rw.py的代码

# rw.py

import matplotlib.pyplot as plt
from randomwalk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()

    # 将所有点都绘制出来
    plt.style.use('classic')
    fig, ax = plt.subplots()
    point_numbers = range(rw.num_points)
    ax.scatter(rw.x_values, rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor='none', s=15)

    plt.show()

    keep_running = input("Make another walk?(y/n): ")
    if keep_running == 'n':
        break

文中说range()生成一个数字列表，我认为不妥，应该是一个可迭代对象，因为执行 range（100），生成的是 range（0，100）这个对象，不是列表

执行结果如下图：

2 重新绘制起点和终点

本小节的工作是将起点和终点突出显示
修改rw.py代码

# rw.py

import matplotlib.pyplot as plt
from randomwalk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()

    # 将所有点都绘制出来
    plt.style.use('classic')
    fig, ax = plt.subplots()
    point_numbers = range(rw.num_points)
    ax.scatter(rw.x_values, rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor='none', s=15)

    # 突出起点和终点
    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)

    plt.show()

    keep_running = input("Make another walk?(y/n): ")
    if keep_running == 'n':
        break

执行结果如下图：

3 隐藏坐标轴

修改rw.py代码，隐藏坐标轴

# rw.py

import matplotlib.pyplot as plt
from randomwalk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()

    # 将所有点都绘制出来
    plt.style.use('classic')
    fig, ax = plt.subplots()
    point_numbers = range(rw.num_points)
    ax.scatter(rw.x_values, rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor='none', s=15)

    # 突出起点和终点
    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()

    keep_running = input("Make another walk?(y/n): ")
    if keep_running == 'n':
        break

执行后，如图：

4 增加点数

增加随机漫步的点数，只需在生成对象时传递一个较大的实参即可

# rw.py

import matplotlib.pyplot as plt
from randomwalk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk(50000)
    rw.fill_walk()

    # 将所有点都绘制出来
    plt.style.use('classic')
    fig, ax = plt.subplots()
    point_numbers = range(rw.num_points)
    ax.scatter(rw.x_values, rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor='none', s=15)

    # 突出起点和终点
    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()

    keep_running = input("Make another walk?(y/n): ")
    if keep_running == 'n':
        break

执行结果如下图：

5 调整尺寸已适合屏幕

调整屏幕显示尺寸，需要调整plt.subplots()的参数
参数figsize=(10,6)表示在10X6英寸的屏幕上显示
参数dpi 默认值是100，表示分辨率
修改rw.py的代码，将生成实例时的实参去掉，还是按5000个点生成

# rw.py

import matplotlib.pyplot as plt
from randomwalk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()

    # 将所有点都绘制出来
    plt.style.use('classic')
    fig, ax = plt.subplots(figsize=(10,6), dpi=128)
    point_numbers = range(rw.num_points)
    ax.scatter(rw.x_values, rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor='none', s=15)

    # 突出起点和终点
    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()

    keep_running = input("Make another walk?(y/n): ")
    if keep_running == 'n':
        break

执行程序后，显示如下图：

15.4 使用 Plotly 模拟掷色子

如果掷一个色子，出现1-6的几率时持平的，但是如果同时投掷两个色子，出现某些点数的可能性就会高，Plotly是一个python包，可以将数据绘成可交互图形

15.4.1 安装Plotly

Plotly 安装包安装速度很慢，使用 python -m install plotly 都会因为超时而失败
但如果使用镜像，命令为 python -m pip install http://pypi.douban.com/simple/ plotly 会出现无法解压的错误

以下是亲测有效的安装方法：

1. win + r 输入 cmd 打开命令行窗口
2. 输入 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn plotly
3. 安装成功后 输入 python -> import plotly -> plotly.__ version__验证是否安装成功

如下图所示：

15.4.2 创建Die 类

创建Die类的 die.py模块如下所示：

# die.py
from random import  randint

class Die:
    '''表示一个色子的类'''

    def __init__(self, num_sides=6):
        '''色子默认为6面'''
        self.num_sides = num_sides

    def roll(self):
        '''返回一个位于1-6的随机数'''
        return randint(1, self.num_sides)

15.4.3 掷色子

创建一个实例，验证创建的类是否合理
在die_visual.py中编写代码

# die_visual.py

from die import Die

die = Die()

# 掷几次色子并将结果存在一个列表中
results = []
for roll_num in range(10):
    result = die.roll()
    results.append(result)

print(results)

掷色子10次，发现结果符合预期
如下图：

15.4.4 分析结果

掷1000次色子，计算每个点数出现的次数，并将出现的次数存在一个列表中
直接修改 die_visual.py的代码

# die_visual.py

from die import Die

die = Die()

# 掷几次色子并将结果存在一个列表中
results = []
for roll_num in range(1000):
    result = die.roll()
    results.append(result)

# 分析结果
frequencies = []
for value in range(1,die.num_sides+1):
    frequency = results.count(value)
    frequencies.append(frequency)

print(frequencies)

执行结果：
[162, 160, 177, 153, 182, 166]

15.4.5 绘制直方图

修改 die_visual.py文件

# die_visual.py
from plotly.graph_objs import Bar, Layout
from plotly import offline

from die import Die

die = Die()

# 掷几次色子并将结果存在一个列表中
results = []
for roll_num in range(1000):
    result = die.roll()
    results.append(result)

# 分析结果
frequencies = []
for value in range(1,die.num_sides+1):
    frequency = results.count(value)
    frequencies.append(frequency)

# 对结果进行可视化
x_values = list(range(1,die.num_sides+1)) # x轴数据
data =[Bar(x=x_values, y=frequencies)]  # 直方图数据

x_axis_config ={'title': '结果'} # x坐标轴标签
y_axis_config ={'title': '结果的频率'} # y坐标轴标签
#类Layout（）返回一个指定图表布局和配置的对象
my_layout = Layout(title='掷一个D6色子 1000次的结果', xaxis=x_axis_config, yaxis=y_axis_config)

#函数offline.plot()第一个参数接受一个图表的数据和配置对象，第二个参数是一个生成要保存的图表
offline.plot({'data': data, 'layout': my_layout}, filename='d6.html')

执行程序，在浏览器生成一个直方图。见下图：

15.4.6 同时掷两个色子

同时掷两个色子，则横坐标数据就变为两个色子点数相加，结果仍然存在results列表中
重新创建一个dice_visual.py文件，将die_visual.py文件代码复制过来， 然后进行修改

# dice_visual.py
from plotly.graph_objs import Bar, Layout
from plotly import offline

from die import Die

#创建2个D6
die_1 = Die()
die_2 = Die()

# 掷几次色子并将结果存在一个列表中
results = []
for roll_num in range(1000):
    result = die_1.roll() + die_2.roll() # 每次的点数为两个色子点数之和
    results.append(result)

# 分析结果
frequencies = []
max_result = die_1.num_sides + die_2.num_sides
for value in range(2, max_result+1):
    frequency = results.count(value)
    frequencies.append(frequency)

# 对结果进行可视化
x_values = list(range(2,max_result+1)) # x轴数据
data =[Bar(x=x_values, y=frequencies)]  # 直方图数据

x_axis_config ={'title': '结果', 'dtick': 1} # x坐标轴标签,'dtick'键为刻度间距，会让图形显示每个刻度值，即x坐标值
y_axis_config ={'title': '结果的频率'} # y坐标轴标签
#类Layout（）返回一个指定图表布局和配置的对象
my_layout = Layout(title='掷2个D6色子 1000次的结果', xaxis=x_axis_config, yaxis=y_axis_config)

#函数offline.plot()第一个参数接受一个图表的数据和配置对象，第二个参数是一个生成要保存的图表
offline.plot({'data': data, 'layout': my_layout}, filename='d6_d6.html')

程序执行如下图：

15.4.7 同时掷两个面数不同的色子

同时掷一个6面和一个10面的色子，一共掷5000次，结果会如何？
新建一个dice_6_10_visual.py 文件，将dice_visual.py代码复制过来进行修改

# dice_6_10_visual.py
from plotly.graph_objs import Bar, Layout
from plotly import offline

from die import Die

#创建2个D6
die_1 = Die()
die_2 = Die(10)

# 掷几次色子并将结果存在一个列表中
results = []
for roll_num in range(5000):
    result = die_1.roll() + die_2.roll() # 每次的点数为两个色子点数之和
    results.append(result)

# 分析结果
frequencies = []
max_result = die_1.num_sides + die_2.num_sides
for value in range(2, max_result+1):
    frequency = results.count(value)
    frequencies.append(frequency)

# 对结果进行可视化
x_values = list(range(2,max_result+1)) # x轴数据
data =[Bar(x=x_values, y=frequencies)]  # 直方图数据

x_axis_config ={'title': '结果', 'dtick': 1} # x坐标轴标签,'dtick'键为刻度间距，会让图形显示每个刻度值，即x坐标值
y_axis_config ={'title': '结果的频率'} # y坐标轴标签
#类Layout（）返回一个指定图表布局和配置的对象
my_layout = Layout(title='掷1个D6和1个D10色子 5000次的结果', xaxis=x_axis_config, yaxis=y_axis_config)

#函数offline.plot()第一个参数接受一个图表的数据和配置对象，第二个参数是一个生成要保存的图表
offline.plot({'data': data, 'layout': my_layout}, filename='d6_d10.html')

程序执行结果如下图：

15.5 小结

略