python函数关系图 python绘制关系图( 五 )


Python科学计算——任意波形拟合任意波形的生成(geneartion of arbitrary waveform) 在商业python函数关系图,军事等领域都有着重要的应用python函数关系图,诸如空间光通信 (free-space optics communication) ,  高速信号处理 (high-speed signal processing),雷达 (radar) 等 。在任意波形生成后,如何评估生成的任意波形 成为另外一个重要的话题 。
假设有一组实验数据,已知他们之间的函数关系python函数关系图:y=f(x),通过这些信息,需要确定函数中的一些参数项 。例如,f 是一个线型函数 f(x)=k*x+b,那么参数 k 和 b 就是需要确定的值 。如果这些参数用 p 表示的话,那么就需要找到一组 p 值使得如下公式中的 S 函数最?。?
这种算法被称之为 最小二乘拟合(least-square fitting) 。scipy 中的子函数库 optimize 已经提供实现最小二乘拟合算法的函数leastsq。下面是 leastsq 函数导入的方式:
scipy.optimize.leastsq 使用方法
在Python科学计算——Numpy.genfromtxt一文中,使用numpy.genfromtxt对数字示波器采集的三角波数据导入进行python函数关系图了介绍,今天,就以4GHz三角波波形的拟合为案例介绍任意波形的拟合方法 。
在Python科学计算——如何构建模型python函数关系图?一文中 , 讨论了如何构建三角波模型 。在标准三角波波形的基础上添加了 横向,纵向的平移和伸缩特征参数 ,最后添加了 噪声参数 模拟了三角波幅度参差不齐的随机性特征 。但在波形拟合时,并不是所有的特征参数都要纳入考量,例如,噪声参数应是 波形生成系统 的固有特征 , 正因为它的存在使得产生的波形存在瑕疵,因此,在进行波形拟合并评估时 , 不应将噪声参数纳入考量,最终模型如下:
在调用 scipy.optimize.leastsq 函数时,需要构建误差函数:
有时候,为了使图片有更好的效果,需要对数据进行一些处理:
leastsq 调用方式如下:
合理的设置 p0 可以减少程序运行时间 , 因此,可以在运行一次程序后 , 用拟合后的相应数据对 p0 进行修正 。
在对波形进行拟合后,调用 pylab 对拟合前后的数据进行可视化:
均方根误差(root mean square error) 是一个很好的评判标准,它是观测值与真值偏差的平方和观测次数n比值的平方根,在实际测量中,观测次数n总是有限的,真值只能用最可信赖(最佳)值来代替.方根误差对一组测量中的特大或特小误差反映非常敏感,所以,均方根误差能够很好地反映出测量的精密度 。
RMSE 用程序实现如下:
拟合效果,模型参数输出:
leastsq 函数适用于任何波形的拟合,下面就来介绍一些常用的其他波形:
功能强大的python包(三):Seaborn1. Seaborn简介
Seaborn是一个基于matplotlib且数据结构与Pandas统一的统计图制作库 。
Seaborn库旨在以数据可视化为中心来挖掘并理解数据 。
Seaborn提供的面向数据集制图函数主要是对行列索引和数组的操作,包含对整个数据集进行内部的语义映射与统计整合 。
可以毫不夸张的说,你想象力能及的图表,Seaborn都能绘制!
2. 样例数据
本文所有的可视乎图表都是基于Seaborn自带的餐厅顾客消费数据集tips而绘制的 。
tips数据集前两条数据如下:
(total_bill:消费总金额,tip:小费金额,sex:性别,smoker:是否吸烟,day:消费日期,time:消费时段,size:聚餐人数)
3. Seaborn总览
关系图一般是用来表达双变量关系的图表 。
对可分类的数据进行可视化;可以通过散点图、分布图、估计图等形式呈现分类图 。

推荐阅读