python——绘图、插值、优化

本文首先使用matplotlib模块来绘制一些图形，包括：折线、柱状图、直方图等，其中内容涉及一些概率分布函数，包括均匀分布、高斯分布、泊松分布等。然后利用scipy中的interpolate模块进行一些插值操作。最后利用scipy中的optimize模块，用最小二乘法求解线性回归问题。

涉及的主要包括matplotlib（https://matplotlib.org/index.html）和scipy（https://scipy.org/）两个包。

1、基本绘图

（1）绘制正态分布概率密度函数

#!/usr/bin/python
# -*- coding:utf-8 -*-

import numpy as np
import math
import matplotlib as mpl
import matplotlib.pyplot as plt
from scipy import stats

#设置显示的字体，否则会乱码
mpl.rcParams['font.sans-serif'] = [u'SimHei']  #黑体,也可以是FangSong/KaiTi等电脑上的字体
mpl.rcParams['axes.unicode_minus'] = False  #对坐标轴上的减号不进行设置，否则会乱码

mu = 0
sigma = 1
#取51个点，把中间的0包含进去
x = np.linspace(mu - 3 * sigma, mu + 3 * sigma, 51)
#手动计算概率密度值
y = np.exp(-(x - mu) ** 2 / (2 * sigma ** 2)) / (math.sqrt(2 * math.pi) * sigma)
print 'x = \n', x
print 'y = \n', y
#背景白色
plt.figure(facecolor = 'w')
#'g-'表示绿色实线绘制线条，'ro'表示红色圈绘制点；linewidth和markersize分别设置线的宽度和点的大小
plt.plot(x, y, 'g-', x, y, 'ro', linewidth = 2 , markersize = 8)
plt.xlabel('X', fontsize = 15)
plt.ylabel('Y', fontsize = 15)
plt.title(u'高斯分布', fontsize = 18)
plt.grid(True)
plt.show()

(2)绘制一些损失函数：logistic损失，Adaboost损失， Hinge损失，0/1损失

#!/usr/bin/python
# -*