Requisitos previos: ordenación por inserción , introducción a Matplotlib
La visualización de algoritmos facilita su comprensión al analizar y comparar la cantidad de operaciones que tuvieron lugar para comparar e intercambiar los elementos. La visualización 3D de algoritmos es menos común, para esto usaremos matplotlib para trazar gráficos de barras y animarlos para representar los elementos de la array.
Acercarse:
- Generaremos una array con elementos aleatorios.
- Se llamará al algoritmo en esa array y se usará la declaración de rendimiento en lugar de la declaración de retorno para fines de visualización.
- Daremos los estados actuales de la array después de comparar e intercambiar. Por lo tanto, el algoritmo devolverá un objeto generador.
- La animación de Matplotlib se utilizará para visualizar la comparación y el intercambio de la array.
- Luego trazaremos el gráfico, que devolverá un objeto de Poly3dCollection con el que se realizará más animación.
A continuación se muestra la implementación.
Python3
# import the modules
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from mpl_toolkits.mplot3d import axes3d
import matplotlib as mp
import numpy as np
import random
# Array size
n = 11
# insertion sort algorithm
def insertionsort(a):
for j in range(1, len(a)):
key = a[j]
i = j-1
while(i >= 0 and a[i] > key):
a[i+1] = a[i]
i -= 1
yield a
a[i+1] = key
yield a
# method to plot graph
def showGraph(n):
# for random unique values
a = [i for i in range(1, n+1)]
random.shuffle(a)
datasetName = 'Random'
algoName = 'Insertion Sort'
# generator object returned by the function
generator = insertionsort(a)
# the style of the graph
plt.style.use('fivethirtyeight')
# set bar colors
data_normalizer = mp.colors.Normalize()
color_map = mp.colors.LinearSegmentedColormap(
"my_map",
{
"red": [(0, 1.0, 1.0),
(1.0, .5, .5)],
"green": [(0, 0.5, 0.5),
(1.0, 0, 0)],
"blue": [(0, 0.50, 0.5),
(1.0, 0, 0)]
}
)
# plot the array
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# the z values and position of the bars
z = np.zeros(n)
dx = np.ones(n)
dy = np.ones(n)
dz = [i for i in range(len(a))]
# plot 3d bars
rects = ax.bar3d(range(len(a)), a, z, dx, dy, dz,
color=color_map(data_normalizer(range(n))))
ax.set_xlim(0, len(a))
ax.set_ylim(0, int(1.1*len(a)))
ax.set_title("ALGORITHM : "+algoName+"\n"+"DATA SET : "+datasetName,
fontdict={'fontsize': 13,
'fontweight': 'medium',
'color': '#E4365D'})
# 2D text placed on the upper left
# based on the axes fraction
text = ax.text2D(0.1, 0.95, "",
horizontalalignment='center',
verticalalignment='center',
transform=ax.transAxes,
color="#E4365D")
iteration = [0]
# function for animating
def animate(A, rects, iteration):
# to clear the bars from the
# Poly3DCollection object
ax.collections.clear()
ax.bar3d(range(len(a)), A, z, dx, dy, dz,
color=color_map(data_normalizer(range(n))))
iteration[0] += 1
text.set_text("iterations : {}".format(iteration[0]))
anim = FuncAnimation(fig, func=animate,
fargs=(rects, iteration),
frames=generator, interval=50,
repeat=False)
plt.show()
# Driver Code
showGraph(n)
Producción :
Publicación traducida automáticamente
Artículo escrito por maryamnadeem20 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA