Matplotlib
11.1 plotting a function
要绘制这样的函数图像，选择给定区间比较密集的点，x在该区域等距选取，y用函数给出，使用plot绘制
import numpy as np
import matplotlib.pyplot as plot
import math
x = np.arange(0,5,0.01);
y = ((np.sin(x-2))**2)*np.power(math.e, -x*x)
plot.plot(x, y)
plot.title('f(x) = sin^2(x-2)*e^(-x^2)')
plot.ylabel('y')
plot.xlabel('x')
plot.show()
11.2 ploting a function
按照题目要求实现各个变量之后使用plot绘制x-b和 x-b^，
这里b^可以使用最小二乘法求出，而最小二乘法也不需要手动去实现，numpy很方便地提供了一个函数去实现这个功能，这个函数为
numpy.linalg.lstsq(a, b, rcond=-1)它返回一个线性方程的最小二乘解
import numpy as np
import matplotlib.pyplot as plot
import math
X = np.random.random_sample((20, 10)) * 10
b = np.random.random(10)*3-1.5
z = np.random.normal(0,1,size=20)
y = np.dot(X,b) + z
x = np.arange(0, 10)
B = np.array(np.linalg.lstsq(X, y, rcond = -1)[0])
plot.xlim(0, 9)
plot.ylim(-2.0, 2.0)
plot.xlabel("index")
plot.ylabel("value")
plot.scatter(x, b, c = 'r', marker = 'x', label='True coefficients')
plot.scatter(x, B, c = 'b', marker = 'o', label='Estimated coefficients')
plot.hlines(0, 0, 9, colors='k', linestyle="-")
plot.tight_layout()
plot.show()
11.3 Histogram and density estimation
可以调用hist生成直方图
其中的核可以使用 gaussian_kde()函数直接求得
import numpy as np
import matplotlib.pyplot as plot
import math
from scipy import stats, linalg
z = np.random.normal(100, 50, 10000)
kernel = stats.gaussian_kde(z)
x = np.linspace(-100,300,1000)
plot.hist(z, 25,rwidth=0.5,color = 'red',density=True)
plot.plot(x, kernel.evaluate(x), c = 'r')
plot.show()