热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

2022年,把Python学得跟Java一样熟练——04matplotlib绘制概率图

背景《贝叶斯方法》里面有一个案例“图书管理员还是农民”:丹尼尔卡尼曼在《思考,快与慢》中说,史蒂芬被描述为一个害羞的人,他

背景

《贝叶斯方法》里面有一个案例“图书管理员还是农民”:

丹尼尔卡尼曼在《思考,快与慢》中说,史蒂芬被描述为一个害羞的人,他乐于助人,但是他对其他人不太关注。他非常乐于见到事情处于合理的顺序,并对他的工作非常细心。你认为史蒂芬是一个图书管理员还是一个农民呢?

从上面的描述来看,大多数人都会认为史蒂芬看上去更像一个图书管理员,但是这里却忽视了一个关于图书管理员和农民的事实:男性图书管理员的人数只有男性农民的 1/20 。

所以统计学的角度来看,他更有可能是一个农民。本文整理该案例绘制的条形图,主要在于了解 matplotlib 的简单用法。

贝叶斯定理推断

根据贝叶斯定理推断,史蒂芬是图书管理员的先验概率和后验概率分别是:

  1. 先验概率:1/21 = 0.047,什么都不知道的情况下的概率。
  2. 后验概率:0.087,即知道史蒂芬具有一些乐于助人、细心的特点后,判断他是图书管理员的概率是 0.087,比先验概率大了一点点。

Python 条形图展示

在 PyCharm 中编码绘制两个概率的条形图:

from IPython.core.pylabtools import figsize
import numpy as np
from matplotlib import pyplot as plt# 设置参数
figsize(12.5, 4)
plt.rcParams['savefig.dpi'] = 300
plt.rcParams['figure.dpi'] = 300#设置参数
colors = ['#348ABD','#A60628']
prior = [1/21. , 20/21.]
posterior = [0.087, 1-0.087]#绘制先验概率图:
plt.bar([0, .7], prior, alpha=0.70, width=0.25,color=colors[0], label='prior distribution',lw="3",edgecolor=colors[0])#绘制后验概率图
plt.bar([0+0.25, .7+0.25],posterior, alpha=0.7,width=0.25,color=colors[1],label='posterior distribution',lw="3",edgecolor=colors[1])#设置 X 轴的位置和名称
plt.xticks([0.20, 0.95],["Librarian","Farmer"])#设置图形标题
plt.title("Prior and posterior probabilities of Steven's occupation")#设置纵轴名称
plt.ylabel("Probability")# 设置图例位置
plt.legend(loc="upper left")#展示该图,没有这句话,就没有图
plt.show()

编码注意事项,依赖模块安装,在 Pycharm 的控制台执行:

  1. 安装 pip3 install IPython 模块。
  2. 安装 pip3 install matplotlib 模块。

运行结果

原样敲的代码运行出的图形特别大,占满了电脑屏幕,就是这个图:
在这里插入图片描述
这个图可以看到,史蒂芬是农民的概率是远远高于图书管理员的概率的。

编程启示录

Pycharm 安装后自带了一个 venv 的目录,下面有 pyhton3.9 的环境,所以我想默认的开发都是以自带的环境为基础的。

本例中安装依赖模块都是在当前项目下执行的,看安装结果也是用的“venv/bin/python -m pip “ 该环境的 pip3 安装的依赖模块。

那么如果用本机的 pip3 安装的模块,在 Pycharm 环境下编码能引用到吗?反之呢,刚刚安装的两个模块,直接通过命令行能访问到么?

我不记得本机 Python 环境有没有安装过这个 matplotlib ,但是通过控制台执行能导入成功:
在这里插入图片描述


推荐阅读
  • 掌握远程执行Linux脚本和命令的技巧
    本文将详细介绍如何利用Python的Paramiko库实现远程执行Linux脚本和命令,帮助读者快速掌握这一实用技能。通过具体的示例和详尽的解释,让初学者也能轻松上手。 ... [详细]
  • 根据最新发布的《互联网人才趋势报告》,尽管大量IT从业者已转向Python开发,但随着人工智能和大数据领域的迅猛发展,仍存在巨大的人才缺口。本文将详细介绍如何使用Python编写一个简单的爬虫程序,并提供完整的代码示例。 ... [详细]
  • Python3 第一周学习总结
    本文总结了Python3第一周的学习内容,包括Python的主要特性、版本选择建议、开发环境配置技巧以及一些有趣的语言特性。 ... [详细]
  • 本文详细介绍如何使用Python进行配置文件的读写操作,涵盖常见的配置文件格式(如INI、JSON、TOML和YAML),并提供具体的代码示例。 ... [详细]
  • 技术分享:从动态网站提取站点密钥的解决方案
    本文探讨了如何从动态网站中提取站点密钥,特别是针对验证码(reCAPTCHA)的处理方法。通过结合Selenium和requests库,提供了详细的代码示例和优化建议。 ... [详细]
  • 1.如何在运行状态查看源代码?查看函数的源代码,我们通常会使用IDE来完成。比如在PyCharm中,你可以Ctrl+鼠标点击进入函数的源代码。那如果没有IDE呢?当我们想使用一个函 ... [详细]
  • Python入门:第一天准备与安装
    本文详细介绍了Python编程语言的基础知识和安装步骤,帮助初学者快速上手。涵盖Python的特点、应用场景以及Windows环境下Python和PyCharm的安装方法。 ... [详细]
  • 本文详细介绍了Python中函数的基本概念,包括函数的定义与调用、文档注释、参数传递(形参与实参)、返回值以及函数嵌套。通过具体示例和解释,帮助读者掌握函数在编程中的应用。 ... [详细]
  • 解决Anaconda安装TensorFlow时遇到的TensorBoard版本问题
    本文介绍了在使用Anaconda安装TensorFlow时遇到的“Could not find a version that satisfies the requirement tensorboard”错误,并提供详细的解决方案,包括创建虚拟环境和配置PyCharm项目。 ... [详细]
  • 本文介绍了SVD(奇异值分解)和QR分解的基本原理及其在Python中的实现方法。通过具体代码示例,展示了如何使用这两种矩阵分解技术处理图像数据和计算特征值。 ... [详细]
  • 新手指南:在Windows 10上搭建深度学习与PyTorch开发环境
    本文详细记录了一名新手在Windows 10操作系统上搭建深度学习环境的过程,包括安装必要的软件和配置环境变量等步骤,旨在帮助同样初入该领域的读者避免常见的错误。 ... [详细]
  • 解决PyCharm安装第三方库失败问题
    本文详细探讨了在使用Python 3.9.7和pip 22.3.1时,通过PyCharm安装第三方库遇到的问题及解决方法。即使更换了国内镜像源也未能解决问题,文章将介绍具体原因及有效解决方案。 ... [详细]
  • Android 渐变圆环加载控件实现
    本文介绍了如何在 Android 中创建一个自定义的渐变圆环加载控件,该控件已在多个知名应用中使用。我们将详细探讨其工作原理和实现方法。 ... [详细]
  • 本文详细介绍了在Windows系统中安装PyCharm集成开发环境以及MySQL数据库的具体步骤,包括必要的环境配置和常见问题的解决方法。 ... [详细]
  • Python 第三天学习笔记
    本文详细介绍了 Python 编程的第三天学习内容,包括字符编码、文件处理以及函数的基本概念和使用方法。 ... [详细]
author-avatar
mobiledu2502857683
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有