锐客网

  1. 首页 > 睿知 > it技术 > >

python画函数曲域 python画曲线图教程

IT技术变量

Python-matplotlib绘制带箭头x-y坐标轴图形在Python的数据可视化库中 ， 采用matplotlib绘制相关图形时，若不加任何设定，一般的x-y坐标轴是不带箭头且是一个封闭的矩形 。我们以Sigmoid函数的绘制，给大家展示一下 。
matplotlib的辅助工具，包含一系列对坐标轴设置的框架 。其中的axisartist包就用来设置坐标轴的类型 。
1.创建画布并引入axisartist工具 。
2.绘制带箭头的x-y坐标轴
我们先把原始的如上图的所有坐标轴隐藏，即长方形的四个边 。
然后用ax.new_floating_axis在绘图区添加坐标轴x、y ， 这里的ax.new_floating_axis(0,0)，第一个0代表平行直线，第二个0代表该直线经过0点 。同样，ax.axis["y"] = ax.new_floating_axis(1,0)，则代表竖直曲线且经过0点 。
再次，x.axis["x"].set_axisline_style("-", size = 1.0)表示给x轴加上箭头，"-"表示是空箭头，size = 1.0表示箭头大小 。ax.axis["y"].set_axisline_style("-|", size = 1.0)中"-|"则是实心箭头 。
最后，设置x、y轴上刻度显示方向 ， 对于x轴是刻度标签在上面还是下面 ， y轴则是刻度标签在左边还是右边 。
3.在带箭头的x-y坐标轴背景下，绘制函数图像
tist坐标轴工具——将原始坐标轴均隐藏掉——添加新的基于原点的x与y轴——为新坐标轴加入箭头，并设置刻度显示方式——加入图形 。
统计学入门级：常见概率分布+python绘制分布图 如果随机变量X的所有取值都可以逐个列举出来，则称X为离散型随机变量 。相应的概率分布有二项分布，泊松分布 。
如果随机变量X的所有取值无法逐个列举出来 ， 而是取数轴上某一区间内的任一点，则称X为连续型随机变量 。相应的概率分布有正态分布，均匀分布，指数分布，伽马分布 ， 偏态分布，卡方分布 ， beta分布等 。(真多分布，好恐怖~~)
在离散型随机变量X的一切可能值中，各可能值与其对应概率的乘积之和称为该随机变量X的期望值，记作E(X)。比如有随机变量，取值依次为：2，2，2 ， 4，5 。求其平均值：(2+2+2+4+5)/5 = 3 。
期望值也就是该随机变量总体的均值 。推导过程如下：
= (2+2+2+4+5)/5
= 1/5 2 3 + 4/5 + 5/5
= 3/5 2 + 1/5 4 + 1/5 5
= 0.6 2 + 0.2 4 + 0.2 5
= 60% 2 + 20% 4 + 20%*5
= 1.2 + 0.8 + 1
= 3
倒数第三步可以解释为值为2的数字出现的概率为60% ， 4的概率为20%，5的概率为20% 。所以E(X) = 60% 2 + 20% 4 + 20%*5 = μ = 3 。
0-1分布（两点分布），它的随机变量的取值为1或0 。即离散型随机变量X的概率分布为：P{X=0} = 1-p, P{X=1} = p，即：
则称随机变量X服从参数为p的0-1分布，记作X~B（1，p) 。
在生活中有很多例子服从两点分布，比如投资是否中标，新生婴儿是男孩还是女孩，检查产品是否合格等等 。
大家非常熟悉的抛硬币试验对应的分布就是二项分布 。抛硬币试验要么出现正面，要么就是反面，只包含这两个结果 。出现正面的次数是一个随机变量，这种随机变量所服从的概率分布通常称为 二项分布。
像抛硬币这类试验所具有的共同性质总结如下：（以抛硬币为例）
通常称具有上述特征的n次重复独立试验为n重伯努利试验 。简称伯努利试验或伯努利试验概型 。特别地，当试验次数为1时 ， 二项分布服从0-1分布(两点分布) 。
举个栗子：抛3次均匀的硬币 ， 求结果出现有2个正面的概率。
已知p = 0.5 (出现正面的概率) ，n = 3 ，k = 2
所以抛3次均匀的硬币，求结果出现有2个正面的概率为3/8 。
二项分布的期望值和方差 分别为：

推荐阅读


上一篇：oracle数据仓库服务器，oracle 数据库服务器

下一篇：大枭雄战略游戏，大枭雄小说完整版八一手机版阅读