Python-Matplotlib相关习题及解析

Matplotlib

Exercise 11.1: Plotting a function

Plot the function

f(x)=sin2(x2)ex2 f ( x ) = sin 2 ⁡ ( x − 2 ) e − x 2
over the interval [0,2] [ 0 , 2 ] . Add proper axis labels, a title, etc.

代码

import numpy as np  
import matplotlib.pyplot as plt

x = np.linspace(0,2,30)
y = (np.sin(x-2)**2)*np.exp(-(x**2))
plt.xlabel('x')
plt.ylabel('y')
plt.title('$x=f(x)=\sin^2(x-2)e^{-x^2}$')
plt.plot(x,y)
plt.show()

结果

这里写图片描述


Exercise 11.2: Data

Create a data matrix X X with 20 observations of 10 variables. Generate a vector b with parameters Then
generate the response vector y=Xb+z y = X b + z where z z is a vector with standard normally distributed variables.
Now (by only using y and X X ), find an estimator for b, by solving

b^=argminbXby2 b ^ = arg ⁡ min b ‖ X b − y ‖ 2
Plot the true parameters b b and estimated parameters b^. See Figure 1 for an example plot.

这里写图片描述

题目分析

  • 有一个式子
    x1b1+x2b2++x10b10=y x 1 b 1 + x 2 b 2 + ⋯ + x 10 b 10 = y
    我们不知道 b=(b1,b2,,b10) b = ( b 1 , b 2 , … , b 10 ) ,但是我们可以通过20组观察值(observations) xi=(xi1,xi2,,xi10),i=1,2,,20 x i = ( x i 1 , x i 2 , … , x i 10 ) , i = 1 , 2 , … , 20 来推测 b b ,且依题意,需要我们使用最小二乘法
  • 但是这道题的意思是,让我们自己先准备一组 b ,然后再自己编20组 x x ,然后再创建一组符合高斯分布的 z=(z1,z2,,z10) ,通过计算
    yi=xib+zi=xi1b1+xi2b2++xi10b10+zi y i = x i ⋅ b + z i = x i 1 b 1 + x i 2 b 2 + ⋯ + x i 10 b 10 + z i
    我们就得到了一组 y=(y1,y2,,y10) y = ( y 1 , y 2 , … , y 10 )
  • 现在我们忘记了 b b z 是多少,但是20组 x x 和 一组y 还在,我们想通过它们找回 b b ,即使不能完全一样,差距也不要太大。其实我们可以通过20组 x 和 一组 y y 最小二乘法(题目要求)得到一组 b^ ,且 b^ b ^ b b 的误差比较小
  • 画出 b b^ b ^ ,看看差距有多大

解题步骤

  1. 创建 20×10 20 × 10 的矩阵 X X ,代表20组观察值
  2. 创建列表 b ,里面的数可以任意取值,这里我们使用随机整数
  3. 创建高斯随机数列表 z z
  4. 计算 y
  5. 利用 scipy 的最小二乘函数 leastsq 计算最小二乘解 b^ b ^
  6. b b b^ 画散点图比较

代码

import numpy as np
import matplotlib.pyplot as plt

X = (np.random.random([20,10])-0.5)*2   #生成(20,10)的随机数矩阵,范围在(-1,1)
b = (np.random.random([10])-0.5)*4  #生成(10,)的随机数向量,矩阵相乘会自动变为纵向量
z = np.random.randn(20) #生成(20,)的服从标准正态分布的向量
y = np.dot(X,b)+z   #计算得到(20,)的向量

res = np.linalg.lstsq(X,y)[0]   #计算线性方程组的最小二乘解的基本方法,X和y组成观察值,返回系数向量b

x = range(0,10)
plt.ylim(-2.5,2.5)
plt.xlim(-0.5,9.5)
plt.scatter(x,res,label='Estimated coefficients')
plt.scatter(x,b,marker='x',label=('True coefficients'))
plt.legend()
plt.hlines(0,-0.5,9.5)  #水平分割线
plt.xticks(range(0,10))
plt.plot()

结果

这里写图片描述


Exercise 11.3: Histogram and density estimation

Generate a vector z z of 10000 observations from your favorite exotic distribution. Then make a plot that
shows a histogram of z (with 25 bins), along with an estimate for the density, using a Gaussian kernel
density estimator (see scipy.stats). See Figure 2 for an example plot.

这里写图片描述

代码

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

data = np.random.binomial(100,0.2,10000)
x = np.linspace(0,100,100)

kernel = stats.gaussian_kde(data)
kde = kernel.evaluate(x)

plt.hist(kernel.dataset[0],normed='True',bins=25)
plt.plot(x,kde)
plt.show()

结果

这里写图片描述

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值