数据可视化
文章平均质量分 56
seaborn,matplotlib
Fanshaoliang
这个作者很懒,什么都没留下…
展开
-
matplotlib seaborn 数据可视化(5)——2维高斯混合体(GMM)
目录高斯混合体的数学概念生成GMM分布模型检验模型代码高斯混合体的数学概念高斯混合体是由若干个高斯随机变量线性组合而成,表示为GMM=∑k=1Kαk⋅Gaussiank , ∑kαk=1 , αk>0 , ∀αk\text{GMM} = \sum_{k=1}^K \alpha_k \cdot Gaussian_k\ ,\ \sum_k \alpha_k =1\ ,\ \alpha_k>0\ ,\ \forall \alpha_kG原创 2021-08-07 00:18:14 · 838 阅读 · 1 评论 -
matplotlib seaborn 数据可视化(4)——2维数据表面描点图
import mathimport numpy as npimport matplotlib.pyplot as pltfrom matplotlib.image import NonUniformImage%matplotlib#幅度系数A = 4#均值mu = np.array([1, 1])#方差cov = np.array([[2, 0],[0, 2]])cov_inverse = np.linalg.inv(cov)#生成模型#按步长取点,以均值为中心,正负2个方差为范原创 2021-08-06 14:33:58 · 248 阅读 · 0 评论 -
matplotlib seaborn 数据可视化(3)——2维数据立体直方图(伪等高图)
利用numpy.histogram2d分箱,之后使用ax,bar3d输出3d条形图。from matplotlib.image import NonUniformImageimport matplotlib.pyplot as pltimport numpy as np%matplotlibmu = np.array([-1,1])cov = np.array([[1, 0.9],[0.9, 1]])step=0.1x = np.arange(mu[0]-3*cov[0,0],mu[0]+3原创 2021-08-06 10:43:37 · 621 阅读 · 1 评论 -
matplotlib seaborn 数据可视化(2)——2维数据平面直方图(伪等高图)
随机数据解析数据原创 2021-08-06 09:38:30 · 612 阅读 · 0 评论 -
matplotlib seaborn 数据可视化(1)——1维数据折线图、散点图、条形图、直方图
目录1. 折线图/描点图2. 散点图3. 柱状图/条形图4. 直方图1. 折线图/描点图即描点图,以给出的索引(或无索引,默认创建)绘制折线。import numpy as npimport mathimport matplotlib.pyplot as pltimport seaborn as snsimport pandas as pd%matplotlib#指定数量或步长num=1000x_1 = np.linspace(0,10,num)step=10/numx_2 =原创 2021-08-05 21:28:37 · 1332 阅读 · 0 评论