python实战打卡---day16

7. 均匀分布

   import pretty_errors
   import numpy as np
   from scipy.stats import beta, norm, uniform, binom
   import matplotlib.pyplot as plt
   from functools import wraps
   # 定义带四个参数的画图装饰器
   def my_plot(label0=None, label1=None, ylabel='probability density function',fn=None):
       def decorate(f):
           @wraps(f)
           def myplot():
               fig = plt.figure(figsize=(16, 9))
               ax = fig.add_subplot(111)
               x, y, y1 = f()
               ax.plot(x, y, linewidth=2, c='r', label=label0)
               ax.plot(x, y1, linewidth=2, c='b', label=label1)
               ax.legend()
               plt.ylabel(ylabel)
               plt.show()
               plt.savefig('C:/jupyter_notebook/venv_env/myhtml/%s' % (fn,))
               print('%s保存成功' % (fn,))
               plt.close()
           return myplot
       return decorate
   # 均匀分布(uniform)
   @my_plot(label0='b-a=1.0', label1='b-a=2.0', fn='uniform.png')
   def unif():
       x = np.arange(-0.01, 2.01, 0.01)
       y = uniform.pdf(x, loc=0.0, scale=1.0)
       y1 = uniform.pdf(x, loc=0.0, scale=2.0)
       return x, y, y1
   

8. 二项分布

   红⾊曲线表⽰发⽣⼀次概率为0.3，重复50次的密度函数，⼆项分布期望值为0.3*50 = 15次。看到这50 次实验，很可能出现的次数为10~20.可与蓝⾊曲线对⽐分析。

   # ⼆项分布
   @my_plot(label0='n=50,p=0.3', label1='n=50,p=0.7', fn='binom.png',
   ylabel='probability mass function')
   def bino():
       x = np.arange(50)
       n, p, p1 = 50, 0.3, 0.7
       y = binom.pmf(x, n=n, p=p)
       y1 = binom.pmf(x, n=n, p=p1)
       return x, y, y1
   

9. 高斯分布

   红⾊曲线表⽰均值为0，标准差为1.0的概率密度函数，蓝⾊曲线的标准差更⼤，所以它更矮胖，显⽰出 取值的多样性，和不稳定性。

   # ⾼斯 分布
   @my_plot(label0='u=0.,sigma=1.0', label1='u=0.,sigma=2.0', fn='guass.png')
   def guass():
       x = np.arange(-5, 5, 0.1)
       y = norm.pdf(x, loc=0.0, scale=1.0)
       y1 = norm.pdf(x, loc=0., scale=2.0)
       return x, y, y1
   

10. beta分布

    # beta 分布
    @my_plot(label0='a=10., b=30.', label1='a=4., b=4.', fn='beta.png')
    def bet():
        x = np.arange(-0.01, 1, 0.001)
        y = beta.pdf(x, a=10., b=30.)
        y1 = beta.pdf(x, a=4., b=4.)
        return x, y, y1
    

第八部分结束！！！！！！！