Matplotlib

11.1 plotting a function

要绘制这样的函数图像，选择给定区间比较密集的点，x在该区域等距选取，y用函数给出，使用plot绘制

import numpy as np

import matplotlib.pyplot as plot

import math

x = np.arange( 0, 5, 0.01);

y = ((np.sin(x- 2))** 2)*np.power(math.e, -x*x)

plot.plot(x, y)

plot.title( 'f(x) = sin^2(x-2)*e^(-x^2)')

plot.ylabel( 'y')

plot.xlabel( 'x')

plot.show()

11.2 ploting a function

按照题目要求实现各个变量之后使用plot绘制x-b和 x-b^，

这里b^可以使用最小二乘法求出，而最小二乘法也不需要手动去实现，numpy很方便地提供了一个函数去实现这个功能，这个函数为

numpy.linalg.lstsq(a, b, rcond=-1) 

它返回一个线性方程的最小二乘解

import numpy as np

import matplotlib.pyplot as plot

import math

X = np.random.random_sample(( 20, 10)) * 10

b = np.random.random( 10)* 3- 1.5

z = np.random.normal( 0, 1, size= 20)

y = np.dot(X,b) + z

x = np.arange( 0, 10)

B = np.array(np.linalg.lstsq(X, y, rcond = - 1)[ 0])

plot.xlim( 0, 9)

plot.ylim(- 2.0, 2.0)

plot.xlabel( "index")

plot.ylabel( "value")

plot.scatter(x, b, c = 'r', marker = 'x', label= 'True coefficients')

plot.scatter(x, B, c = 'b', marker = 'o', label= 'Estimated coefficients')

plot.hlines( 0, 0, 9, colors= 'k', linestyle= "-")

plot.tight_layout()

plot.show()

11.3 Histogram and density estimation

可以调用hist生成直方图

其中的核可以使用 gaussian_kde()函数直接求得

import numpy as np

import matplotlib.pyplot as plot

import math

from scipy import stats, linalg

z = np.random.normal( 100, 50, 10000)

kernel = stats.gaussian_kde(z)

x = np.linspace(- 100, 300, 1000)

plot.hist(z, 25, rwidth= 0.5, color = 'red', density= True)

plot.plot(x, kernel.evaluate(x), c = 'r')

plot.show()