Книга «Изучаем Python»
жүктеу/скачать 7,86 Mb. Pdf көрінісі
|
Изучаем Python. Программирование игр, визуализация данных, веб-приложения ( PDFDrive )
| ПРИМЕЧАНИЕ
Прежде чем браться за рефакторинг проекта, обратитесь к приложению Г . В нем расска- зано, как восстановить рабочее состояние проекта, если в ходе рефакторинга были до- пущены ошибки . 14-6 . Расширение Alien Invasion: подумайте над возможными расширениями Alien Invasion . Например, пришельцы тоже могут стрелять по кораблю, или же вы можете добавить укры- тия, за которыми может скрываться корабль (укрытия могут разрушаться пулями с обеих сторон) . Или добавьте звуковые эффекты (например, взрывы или звуки выстрелов) сред- ствами модуля pygame .mixer . Итоги В этой главе вы узнали, как создать кнопку для запуска новой игры, как обнару- живать события мыши и скрывать указатель мыши в активных играх. Полученные знания помогут вам создать другие кнопки в играх, например кнопку для вывода инструкций по игре. Также вы научились изменять скорость по ходу игры, созда- вать прогрессивную систему подсчета очков и выводить информацию в текстовом и графическом виде. 15 Генерирование данных Под визуализацией данных понимается исследование данных через их визуальное представление. Визуализация тесно связана с анализом данных (data mining), ис- пользующим программный код для изучения закономерностей и связей в наборе данных. Набором данных может быть как маленький список чисел, помещающийся в одной строке кода, так и массивом из многих гигабайт. Качественное представление данных не сводится к красивой картинке. Если для набора данных подобрано простое, визуально привлекательное представление, его смысл становится очевидным для зрителя. Люди замечают в наборе данных закономерности, о которых они и не подозревали. К счастью, для визуализации сложных данных не нужен суперкомпьютер. Бла- годаря эффективности Python вы сможете быстро исследовать наборы данных из миллионов отдельных элементов данных (точек данных) на обычном ноутбуке. Элементы данных даже не обязаны быть числовыми. Приемы, о которых вы узнали в первой части книги, позволят вам проанализировать даже нечисловые данные. Python используется для обработки данных в генетике, исследовании климата, по- литическом и экономическом анализе и множестве других областей. Специалисты по обработке данных написали на Python впечатляющий инструментарий визуа- лизации и анализа, и многие из этих разработок также доступны и для вас. Один из самых популярных инструментов такого рода — matplotlib , математическая библиотека построения диаграмм. С помощью matplotlib можно строить простые диаграммы, графики, диаграммы разброса данных и т. д. После этого будет создан более интересный набор данных, основанный на концепции случайного блужда- ния — визуализации, генерируемой на базе серии случайных решений. Также в этом проекте будет использоваться пакет Pygal, ориентированный на создание визуализаций, хорошо работающих с цифровыми устройствами. С помощью Pygal можно выделять и изменять размеры элементов в ходе взаимо- действия пользователя с визуализацией; кроме того, размер визуализации легко изменяется под крошечные «умные часы» или гигантский монитор. Мы используем Pygal для исследования закономерностей различных бросков кубиков. Установка matplotlib Сначала необходимо установить библиотеку matplotlib , которая будет исполь- зоваться в исходном наборе визуализаций. Если вы еще не использовали про- |