Python数据可视化:幂律分布实例详解
1、公式推导
对幂律分布公式:
对公式两边同时取以10为底的对数:
所以对于幂律公式,对X,Y取对数后,在坐标轴上为线性方程。
2、可视化
从图形上来说,幂律分布及其拟合效果:
对X轴与Y轴取以10为底的对数。效果上就是X轴上1与10,与10与100的距离是一样的。
对XY取双对数后,坐标轴上点可以很好用直线拟合。所以,判定数据是否符合幂律分布,只需要对XY取双对数,判断能否用一个直线很好拟合就行。常见的直线拟合效果评估标准有拟合误差平方和、R平方。
3、代码实现
#!/usr/bin/env python # -*-coding:utf-8 -*- import matplotlib.pyplot as plt import numpy as np from sklearn import linear_model from scipy.stats import norm def DataGenerate(): X = np.arange(10, 1010, 10) # 0-1,每隔着0.02一个数据 0处取对数,会时负无穷 生成100个数据点 noise=norm.rvs(0, size=100, scale=0.2) # 生成50个正态分布 scale=0.1控制噪声强度 Y=[] for i in range(len(X)): Y.append(10.8*pow(X[i],-0.3)+noise[i]) # 得到Y=10.8*x^-0.3+noise # plot raw data Y=np.array(Y) plt.title("Raw data") plt.scatter(X, Y, color='black') plt.show() X=np.log10(X) # 对X,Y取双对数 Y=np.log10(Y) return X,Y def DataFitAndVisualization(X,Y): # 模型数据准备 X_parameter=[] Y_parameter=[] for single_square_feet ,single_price_value in zip(X,Y): X_parameter.append([float(single_square_feet)]) Y_parameter.append(float(single_price_value)) # 模型拟合 regr = linear_model.LinearRegression() regr.fit(X_parameter, Y_parameter) # 模型结果与得分 print('Coefficients: \n', regr.coef_,) print("Intercept:\n",regr.intercept_) # The mean square error print("Residual sum of squares: %.8f" % np.mean((regr.predict(X_parameter) - Y_parameter) ** 2)) # 残差平方和 # 可视化 plt.title("Log Data") plt.scatter(X_parameter, Y_parameter, color='black') plt.plot(X_parameter, regr.predict(X_parameter), color='blue',linewidth=3) # plt.xticks(()) # plt.yticks(()) plt.show() if __name__=="__main__": X,Y=DataGenerate() DataFitAndVisualization(X,Y)
以上这篇Python数据可视化:幂律分布实例详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
Python3.5基础之函数的定义与使用实例详解【参数、作用域、递归、重载等】
这篇文章主要介绍了Python3.5基础之函数的定义与使用,结合实例形式详细分析了Python3.5函数的定义、参数、作用域、递归、重载、内置函数等基本概念与相关使用技巧,需要的朋友可以参考下2019-04-04Python使用django框架实现多人在线匿名聊天的小程序
很多网站都提供了在线匿名聊天的小功能,下面小编基于python的django框架实现一个多人在线匿名聊天的小程序,具体实现代码大家参考下本文2017-11-11python使用openpyxl库读写Excel表格的方法(增删改查操作)
这篇文章主要介绍了python使用openpyxl库读写Excel表格的方法(增删改查操作),本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2021-05-05
最新评论