task01基础知识

task 1 数据基础

1.随机数的应用

pi的估计

$$P((X,Y)落在圆内)=P(X^2+Y^2\le 1)=\pi /4$$

def pi_estimate(n):
    '''
    n为投点的数量
    '''
    n_rand_X = np.random.uniform(-1.0,1.0,n)
    n_rand_Y = np.random.uniform(-1.0,1.0,n)
    ## 判断是否在圆内
    distance = np.sqrt(n_rand_X**2 + n_rand_Y**2)
    dis_n = float(len(distance[distance<=1.0]))
    return 4 * (dis_n / n)

for i in [10,50,100,500,1000,5000,10000,50000,100000,500000,10000000]:
    print("pi的估计值为",pi_estimate(i))

np.random.uniform 生成服从均匀分布的随机数

np.random.exponential 生成服从指数分布的随机数

2.作业

x1 = np.arange(-100, 100, 0.05)
x2 = np.arange(-100, 100, 0.05)
x1, x2 = np.meshgrid(x1, x2)

def f(a,b):
    z = np.square(a - x1) + b * np.square(x2 - np.square(x1))

    fig1 = plt.figure()
    ax1 = plt.axes(projection='3d')
    ax1.plot_surface(x1, x2, z, alpha=0.3, cmap='rainbow')
    ax1.set_xlabel('X')
    ax1.set_ylabel('Y')
    ax1.set_zlabel('Z')
    plt.title('Rosenbrock')
    plt.show()
    
interactive_plot = interactive(f, a=(-200, 200), b=(-300, 300))
output = interactive_plot.children[-1]
output.layout.height = '350px'
interactive_plot    

b小于0时

a控制图片两条边的走势，b控制图形的凹凸。

更为细致的a,b区间变化还可以进一步探索。