matplotlib作业

最新推荐文章于 2022-04-23 16:56:04 发布

m0_38134889

最新推荐文章于 2022-04-23 16:56:04 发布

阅读量272

点赞数

本文链接：https://blog.youkuaiyun.com/m0_38134889/article/details/80503375

版权

这篇博客介绍了如何利用matplotlib处理数学作业中的问题，包括欧几里得范数的求解，通过QR分解简化计算过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在完成作业之前，先引入需要用到的库

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats

题目1：

代码:

x = np.linspace(0,10,1000)
y = np.power(np.sin(x - 2),2) * np.exp(-1 * x * x)
plt.plot(x,y,'r-',label = '$sin2(x-2)e-x2$')
plt.xlim((0,2))
plt.xlabel('my x label')
plt.ylabel('my y label')
plt.title('my func')
plt.legend()
plt.show()

运行结果：

题目2：

代码:

X = np.random.randint(0, 100, size=(20,20))  
b = np.random.randint(10, size=(20, 1))  
z = [list(np.random.normal(0, 1, 1)) for _ in range(20)]  
y = X.dot(b) + z  
Q, R = np.linalg.qr(X)  
bn = np.linalg.inv(R).dot(Q.T).dot(y) 

plt.plot(b,'o')
plt.plot(bn,'or')
plt.title('Parameter plot')
plt.legend(['b','b^'])
plt.show()

这道题直接对欧几里得范数求解，但其实转化成欧几里得范数的平方求解会更加的简单，因为可以通过对X矩阵进行QR分解来解决问题。

运行结果：

题目3：

代码:

x = np.random.randn(1000)
bars = np.linspace(-4,4,100)
#fig,(ax1,ax2) = subplot(1,2,figsize = (5,4))

plt.hist(x,bins = 25,density = 1,color = 'b')
kernel = stats.gaussian_kde(x)
kde = kernel.evaluate(bars)
plt.plot(bars,kde,label = 'kde', color = 'r')
plt.title('Gaussian kernel estimator')

plt.show()

运行结果：