数据可视化 指的是通过可视化表示来探索数据，它与数据挖掘 紧密相关，而数据挖掘指的是使用代码来探索数据集的规律和关联。数据集可以是用一行代码就能表
示的小型数字列表，也可以是数以吉字节的数据。
使用Pygal模拟掷骰子
在本节中，我们将使用Python可视化包Pygal来生成可缩放的矢量图形文件。对于需要在尺寸不同的屏幕上显示的图表，这很有用，因为它们将自动缩放，以适合观看者的屏幕。
如果你打算以在线方式使用图表，请考虑使用Pygal来生成它们，这样它们在任何设备上显示时都会很美观。
在这个项目中，我们将对掷骰子的结果进行分析。掷6面的常规骰子时，可能出现的结果为1~6点，且出现每种结果的可能性相同。然而，如果同时掷两个骰子，某些点数出现的
可能性将比其他点数大。为确定哪些点数出现的可能性最大，我们将生成一个表示掷骰子结果的数据集，并根据结果绘制出一个图形。
在数学领域，常常利用掷骰子来解释各种数据分析，但它在赌场和其他博弈场景中也得到了实际应用，在游戏《大富翁》以及众多角色扮演游戏中亦如此。
安装Pygal
请使用pip 来安装Pygal（如果还未使用过pip ）。
在Linux和OS X系统中，应执行的命令类似于下面这样：
pip install --user pygal
在Windows系统中，命令类似于下面这样：
python -m pip install --user pygal
注意 你可能需要使用命令pip3 而不是pip ，如果这还是不管用，你可能需要删除标志–user 。
Pygal画廊
要了解使用Pygal可创建什么样的图表，请查看图表类型画廊：访问http://www.pygal.org/ ，单击Documentation，再单击Chart types。每个示例都包含源代码，让你知道这些图表是如何
生成的。
创建Die 类
下面的类模拟掷一个骰子：
from random import randint
class Die():
"""表示一个骰子的类"""
❶ def __init__(self, num_sides=6):
"""骰子默认为6面"""
self.num_sides = num_sides
def roll(self):
""""返回一个位于1和骰子面数之间的随机值"""
❷ return randint(1, self.num_sides)
方法__init__() 接受一个可选参数。创建这个类的实例时，如果没有指定任何实参，面数默认为6；如果指定了实参，这个值将用于设置骰子的面数（见❶）。骰子是根据面
数命名的，6面的骰子名为D6，8面的骰子名为D8，以此类推。
方法roll() 使用函数randint() 来返回一个1和面数之间的随机数（见❷）。这个函数可能返回起始值1、终止值num_sides 或这两个值之间的任何整数。
掷骰子
使用这个类来创建图表前，先来掷D6骰子，将结果打印出来，并检查结果是否合理：
from die import Die
# 创建一个D6
❶ die = Die()
# 掷几次骰子，并将结果存储在一个列表中
results = []
❷ for roll_num in range(100):
result = die.roll()
results.append(result)
print(results)
在❶处，我们创建了一个Die 实例，其面数为默认值6。在❷处，我们掷骰子100次，并将每次的结果都存储在列表results 中。下面是一个示例结果集：
[4, 6, 5, 6, 1, 5, 6, 3, 5, 3, 5, 3, 2, 2, 1, 3, 1, 5, 3, 6, 3, 6, 5, 4,
1, 1, 4, 2, 3, 6, 4, 2, 6, 4, 1, 3, 2, 5, 6, 3, 6, 2, 1, 1, 3, 4, 1, 4,
3, 5, 1, 4, 5, 5, 2, 3, 3, 1, 2, 3, 5, 6, 2, 5, 6, 1, 3, 2, 1, 1, 1, 6,
5, 5, 2, 2, 6, 4, 1, 4, 5, 1, 1, 1, 4, 5, 3, 3, 1, 3, 5, 4, 5, 6, 5, 4,
1, 5, 1, 2]
通过快速扫描这些结果可知，Die 类看起来没有问题。我们见到了值1和6，这表明返回了最大和最小的可能值；我们没有见到0或7，这表明结果都在正确的范围内。我们还看到
了1~6的所有数字，这表明所有可能的结果都出现了。
分析结果
为分析掷一个D6骰子的结果，我们计算每个点数出现的次数：
--snip--
# 掷几次骰子，并将结果存储在一个列表中
results = []
❶ for roll_num in range(1000):
result = die.roll()
results.append(result)
# 分析结果
frequencies = []
❷ for value in range(1, die.num_sides+1):
❸ frequency = results.count(value)
❹ frequencies.append(frequency)
print(frequencies)
由于我们将使用Pygal来进行分析，而不是将结果打印出来，因此可以将模拟掷骰子的次数增加到1000（见❶）。为分析结果，我们创建了空列表frequencies ，用于存储每种
点数出现的次数。在❷处，我们遍历可能的点数（这里为1~6），计算每种点数在results 中出现了多少次（见❸），并将这个值附加到列表frequencies 的末尾（见❹）。
接下来，我们在可视化之前将这个列表打印出来：
[155, 167, 168, 170, 159, 181]
结果看起来是合理的：我们看到了6个值——掷D6骰子时可能出现的每个点数对应一个；我们还发现，没有任何点数出现的频率比其他点数高很多。下面来可视化这些结果。
绘制直方图
有了频率列表后，我们就可以绘制一个表示结果的直方图。直方图 是一种条形图，指出了各种结果出现的频率。创建这种直方图的代码如下：
import pygal
--snip--
# 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
❶ hist = pygal.Bar()
hist.title = "Results of rolling one D6 1000 times."
❷ hist.x_labels = ['1', '2', '3', '4', '5', '6']
hist.x_title = "Result"
hist.y_title = "Frequency of Result"
❸ hist.add('D6', frequencies)
hist.render_to_file('die_visual.svg')
为创建条形图，我们创建了一个pygal.Bar() 实例，并将其存储在hist 中（见❶）。接下来，我们设置hist 的属性title （用于标示直方图的字符串），将掷D6骰子的可
能结果用作 x 轴的标签（见❷），并给每个轴都添加了标题。在❸处，我们使用add() 将一系列值添加到图表中（向它传递要给添加的值指定的标签，还有一个列表，其中包含
将出现在图表中的值）。最后，我们将这个图表渲染为一个SVG文件，这种文件的扩展名必须为.svg。
要查看生成的直方图，最简单的方式是使用Web浏览器。为此，在任何Web浏览器中新建一个标签页，再在其中打开文件die_visual.svg（它位于die_visual.py所在的文件夹中）。你
将看到一个类似于图15-11所示的图表（为方便印刷，我稍微修改了这个图表；默认情况下，Pygal生成的图表的背景比你在图15-11中看到的要暗）。
注意，Pygal让这个图表具有交互性：如果你将鼠标指向该图表中的任何条形，将看到与之相关联的数据。在同一个图表中绘制多个数据集时，这项功能显得特别有用。
同时掷两个骰子
同时掷两个骰子时，得到的点数更多，结果分布情况也不同。下面来修改前面的代码，创建两个D6骰子，以模拟同时掷两个骰子的情况。每次掷两个骰子时，我们都将两个骰子
的点数相加，并将结果存储在results 中。请复制die_visual.py并将其保存为dice_visual.py，再做如下修改：
import pygal
from die import Die
# 创建两个D6骰子
die_1 = Die()
die_2 = Die()
# 掷骰子多次，并将结果存储到一个列表中
results = []
for roll_num in range(1000):
❶ result = die_1.roll() + die_2.roll()
results.append(result)
# 分析结果
frequencies = []
❷ max_result = die_1.num_sides + die_2.num_sides
❸ for value in range(2, max_result+1):
frequency = results.count(value)
frequencies.append(frequency)
# 可视化结果
hist = pygal.Bar()
❹ hist.title = "Results of rolling two D6 dice 1000 times."
hist.x_labels = ['2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12']
hist.x_title = "Result"
hist.y_title = "Frequency of Result"
hist.add('D6 + D6', frequencies)
hist.render_to_file('dice_visual.svg')
创建两个Die 实例后，我们掷骰子多次，并计算每次的总点数（见❶）。可能出现的最大点数12为两个骰子的最大可能点数之和，我们将这个值存储在了max_result 中（见
❷）。可能出现的最小总点数2为两个骰子的最小可能点数之和。分析结果时，我们计算2到max_result 的各种点数出现的次数（见❸）。我们原本可以使用range(2, 13)
，但这只适用于两个D6骰子。模拟现实世界的情形时，最好编写可轻松地模拟各种情形的代码。前面的代码让我们能够模拟掷任何两个骰子的情形，而不管这些骰子有多少面。
创建图表时，我们修改了标题、x 轴标签和数据系列（见❹）。（如果列表x_labels 比这里所示的长得多，那么编写一个循环来自动生成它将更合适。）
运行这些代码后，在浏览器中刷新显示图表的标签页。
这个图表显示了掷两个D6骰子时得到的大致结果。正如你看到的，总点数为2或12的可能性最小，而总点数为7的可能性最大，这是因为在6种情况下得到的总点数都为7。这6种
情况如下：1和6、2和5、3和4、4和3、5和2、6和1。
同时掷两个面数不同的骰子
下面来创建一个6面骰子和一个10面骰子，看看同时掷这两个骰子50 000次的结果如何：
from die import Die
import pygal
# 创建一个D6和一个D10
die_1 = Die()
❶ die_2 = Die(10)
# 掷骰子多次，并将结果存储在一个列表中
results = []
for roll_num in range(50000):
result = die_1.roll() + die_2.roll()
results.append(result)
# 分析结果
--snip--
# 可视化结果
hist = pygal.Bar()
❷ hist.title = "Results of rolling a D6 and a D10 50,000 times."
hist.x_labels = ['2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12',
'13', '14', '15', '16']
hist.x_title = "Result"
hist.y_title = "Frequency of Result"
hist.add('D6 + D10', frequencies)
hist.render_to_file('dice_visual.svg')
为创建D10骰子，我们在创建第二个Die 实例时传递了实参10 （见❶）。我们还修改了第一个循环，以模拟掷骰子50 000次而不是1000次。可能出现的最小总点数依然是2，但现
在可能出现的最大总点数为16，因此我们相应地调整了标题、x 轴标签和数据系列标签（见❷）。
可能性最大的点数不是一个，而是5个，这是因为导致出现最小点数和最大点数的组合都只有一种（1和1以及6和10），但面数较小的骰子限制了得到中间点数的组合数：得到总点数7、8、9、10和11的组合数都是6种。因此，这些总点数是最常见的结果，它们出现的可能性相同。
通过使用Pygal来模拟掷骰子的结果，能够非常自由地探索这种现象。只需几分钟，就可以掷各种骰子很多次。