М97 Изучаем Python: программирование игр, визуализация данных, веб-приложения
жүктеу/скачать 6,19 Mb. Pdf көрінісі
|
Изучаем Python
- Бұл бет үшін навигация:
- 14.8. Боковая стрельба, финальная версия
| 317
Рис. 14.6. Полная игровая информация в Alien Invasion 14.7. Расширение Alien Invasion: подумайте над возможными расширениями Alien Invasion. Например, пришельцы тоже могут стрелять по кораблю, или же вы можете до- бавить укрытия, за которыми может скрываться корабль (укрытия могут разрушаться сна- рядами с обеих сторон). Или добавьте звуковые эффекты (например, взрывы или звуки выстрелов) средствами модуля pygame.mixer . 14.8. Боковая стрельба, финальная версия: продолжайте разрабатывать приложение с бо- ковой стрельбой, используя все, чему вы научились в этом проекте. Добавьте кнопку Play , обеспечьте ускорение игры в нужных местах и разработайте систему начисления очков. Не забывайте проводить рефакторинг в процессе работы и ищите возможности настройки игры за рамками того, что было показано в этой главе. 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 массив из многих гигабайтов. 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. Благо- даря 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 части I 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 основе серии случайных решений. Также в этом проекте будет использоваться пакет Plotly, ориентированный на создание визуализаций, хорошо работающих с цифровыми устройствами. Plotly генерирует визуализации, автоматически масштабируемые по размерам экранов различных цифровых устройств. Визуализации также могут включать различные интерактивные возможности, например выделение различных аспектов данных набора данных при наведении указателя мыши на разные части визуализации. Мы используем Plotly для исследования закономерностей различных бросков кубиков. |