利用Python仿真logistic映射（利用matplotlib画散点图）

目录

Logistic映射

Xn+1=Xn×μ×(1-Xn) μ∈[0,4] X∈[0,1]
当μ趋近于4时，迭代的结果可以看作是随机分布（实际上每个x值都是由映射确定的，也就是说是伪随机）。

目的

动手实践深入理解Logistic混沌变量，了解x的分布与μ的关系。

Python代码

# -*- codeing = utf-8 -*-
# @Time : 2021/4/15 16:35
# @Author : 师伟
# @File : chaoticvar.py
# @Software : PyCharm

import matplotlib.pyplot as plt
import numpy as np

x = np.zeros(shape=(400, 300)) # 定义一个400*300的数组存放x迭代产生的数，400是由于u从0增加到4，增加幅度为0.01，有400个μ，300表示在每个μ下迭代300次产生的300个x值
u = -0.01
for i in range(0, 399):
    u += 0.01
    x[i, 0] = 0.5 # 定义x0为0.5
    for j in range(0, 299):
        x[i, j + 1] = x[i, j] * u * (1 - x[i, j])

Xaxes = np.zeros(shape=(400, 300)) # 由于每个μ对应300个x，所以画散点图就需要让x轴是重复的，因为scatter函数是一个x轴对应一个y轴，所以每个u重复300次就可以把所有的300个x值都对应到该μ上
for i in range(0, 299):
    u1 = -0.01
    for j in range(0, 399):
        u1 += 0.01
        Xaxes[j, i] = u1
Yaxes = np.zeros(shape=(400, 300)) # y轴就是产生的400*300个x的值
for i in range(0, 399):
    for j in range(0, 299):
        Yaxes[i, j] = x[i, j]
plt.scatter(Xaxes, Yaxes)
plt.show()

难点

产生数据之后怎么将一个u对应300个x的情况画成散点图

解决办法

将同一个u重复300与300个x对应

运行结果

从图中可以看出当横坐标μ趋于4时，x趋于随机分布。