Python數(shù)據(jù)可視化:冪律分布實(shí)例詳解

更新時(shí)間：2019年12月07日 09:16:11 作者：墨竹 | kevinelstri

今天小編就為大家分享一篇Python數(shù)據(jù)可視化:冪律分布實(shí)例詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

1、公式推導(dǎo)

對(duì)冪律分布公式：

對(duì)公式兩邊同時(shí)取以10為底的對(duì)數(shù)：

所以對(duì)于冪律公式，對(duì)X,Y取對(duì)數(shù)后，在坐標(biāo)軸上為線性方程。

2、可視化

從圖形上來(lái)說(shuō)，冪律分布及其擬合效果：

對(duì)X軸與Y軸取以10為底的對(duì)數(shù)。效果上就是X軸上1與10，與10與100的距離是一樣的。

對(duì)XY取雙對(duì)數(shù)后，坐標(biāo)軸上點(diǎn)可以很好用直線擬合。所以，判定數(shù)據(jù)是否符合冪律分布，只需要對(duì)XY取雙對(duì)數(shù)，判斷能否用一個(gè)直線很好擬合就行。常見的直線擬合效果評(píng)估標(biāo)準(zhǔn)有擬合誤差平方和、R平方。

3、代碼實(shí)現(xiàn)

#!/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，每隔著0.02一個(gè)數(shù)據(jù) 0處取對(duì)數(shù),會(huì)時(shí)負(fù)無(wú)窮 生成100個(gè)數(shù)據(jù)點(diǎn)
 noise=norm.rvs(0, size=100, scale=0.2) # 生成50個(gè)正態(tài)分布 scale=0.1控制噪聲強(qiáng)度
 Y=[]
 for i in range(len(X)):
  Y.append(10.8*pow(X[i],-0.3)+noise[i]) # 得到Y(jié)=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) # 對(duì)X，Y取雙對(duì)數(shù)
 Y=np.log10(Y)
 return X,Y

def DataFitAndVisualization(X,Y):
 # 模型數(shù)據(jù)準(zhǔn)備
 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))

 # 模型擬合
 regr = linear_model.LinearRegression()
 regr.fit(X_parameter, Y_parameter)
 # 模型結(jié)果與得分
 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)) # 殘差平方和

 # 可視化
 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)

以上這篇Python數(shù)據(jù)可視化:冪律分布實(shí)例詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

python繞過(guò)圖片滑動(dòng)驗(yàn)證碼實(shí)現(xiàn)爬取PTA所有題目功能附源碼
這篇文章主要介紹了python繞過(guò)圖片滑動(dòng)驗(yàn)證碼實(shí)現(xiàn)爬取PTA所有題目附源碼,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
2021-01-01
如何用Python?實(shí)現(xiàn)景區(qū)安防系統(tǒng)
本設(shè)計(jì)中，利用YOLO目標(biāo)檢測(cè)算法、Openpose姿態(tài)識(shí)別算法、deepsort跟蹤算法、MSCNN人群密度估計(jì)算法實(shí)現(xiàn)了火災(zāi)監(jiān)測(cè)、吸煙監(jiān)測(cè)、行為安全監(jiān)測(cè)、人群密度監(jiān)測(cè)、口罩率監(jiān)測(cè)、人員定位監(jiān)測(cè)六大功能，對(duì)Python?實(shí)現(xiàn)景區(qū)安防系統(tǒng)感興趣的朋友一起看看吧
2022-07-07
python文本數(shù)據(jù)處理學(xué)習(xí)筆記詳解
這篇文章主要為大家詳細(xì)介紹了python文本數(shù)據(jù)處理學(xué)習(xí)筆記，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2019-06-06
Python實(shí)現(xiàn)的端口掃描功能示例
這篇文章主要介紹了Python實(shí)現(xiàn)的端口掃描功能,涉及Python針對(duì)端口的連接、打開、關(guān)閉及線程相關(guān)操作技巧,需要的朋友可以參考下
2018-04-04
分享19個(gè)常用的Python開源庫(kù)
這篇文章主要介紹了Python中常用的數(shù)據(jù)科學(xué)、Web開發(fā)、網(wǎng)絡(luò)爬蟲、機(jī)器學(xué)習(xí)、圖形用戶界面和其它常用庫(kù),涵蓋了這些領(lǐng)域的核心工具和庫(kù),介紹了它們的特點(diǎn)和使用示例,需要的朋友可以參考下
2025-03-03
OpenCV實(shí)現(xiàn)機(jī)器人對(duì)物體進(jìn)行移動(dòng)跟隨的方法實(shí)例
這篇文章主要給大家介紹了關(guān)于OpenCV實(shí)現(xiàn)機(jī)器人對(duì)物體進(jìn)行移動(dòng)跟隨的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2020-11-11
在python3.9下如何安裝scrapy的方法
這篇文章主要介紹了在python3.9下如何安裝scrapy的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2021-02-02
使用Matplotlib創(chuàng)建自定義可視化圖表的方法小結(jié)
Matplotlib 是 Python 中最流行的繪圖庫(kù)之一,它提供了豐富的功能和靈活性,使用戶能夠創(chuàng)建各種類型的可視化圖表,本文將介紹如何使用 Matplotlib 中的各種功能和技巧來(lái)創(chuàng)建自定義的可視化圖表,文中通過(guò)代碼示例講解的非常詳細(xì),需要的朋友可以參考下
2024-05-05
Python通過(guò)類的組合模擬街道紅綠燈
這篇文章主要介紹了Python通過(guò)類的組合模擬街道紅綠燈,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
2020-09-09
Python實(shí)現(xiàn)經(jīng)典算法拓?fù)渑判?、字符串匹配算法和最小生成樹?shí)例
這篇文章主要介紹了Python實(shí)現(xiàn)經(jīng)典算法拓?fù)渑判颉⒆址ヅ渌惴ê妥钚∩蓸鋵?shí)例,拓?fù)渑判?、字符串匹配算法和最小生成樹是?jì)算機(jī)科學(xué)中常用的數(shù)據(jù)結(jié)構(gòu)和算法，它們?cè)诮鉀Q各種實(shí)際問(wèn)題中具有重要的應(yīng)用價(jià)值,需要的朋友可以參考下
2023-08-08