Scipy Gamma

Verwirrt darüber, wie man die komplexen wissenschaftlichen und optimierungsprobleme mit der Python -Programmiersprache lösen kann? Legen Sie Ihren Stress beiseite und erkunden Sie einfach die Scipy -Bibliothek. Sie können den komplexen Code schreiben und lange Programme mit seinen effizienten integrierten Funktionen optimieren. Scipy ist eine Open-Source-Bibliothek, die von der Python-Programmiersprache bereitgestellt wird, um jedes Problem zu lösen, das sich auf Engineering, Mathematik usw. bezieht, usw. Es bietet auch Datenmanipulations- und Visualisierungsstrategien für Datenanalysten mit hochrangigen Befehlen. Darüber hinaus basiert es auf Numpy -Erweiterung. Daher erweitert es die Funktionen der Numpy -Bibliothek. Dieser Artikel basiert auf der Erklärung der Scipy Gamma. Mit Hilfe von Beispielen zeigen wir, wie Sie Scipy Gamma problemlos in Ihre Programme einbeziehen können.

Was ist Scipy Gamma in der Python -Programmiersprache?

Die von der Scipy -Bibliothek bereitgestellte Gamma ist eine kontinuierliche Zufallsvariable, eine Instanz der RV_CONTINNOUS -Klasse. Gamma ist ein Objekt, das aus der Sammlung generischer Methoden der RV_Continuous -Klasse geerbt wurde. Kontinuierliche Zufallsvariablen mit einer positiven und verzerrten Verteilung werden üblicherweise unter Verwendung der Gammaverteilung beschrieben. Die Gamma () -Funktion ist in der Scipy enthalten.Spezialmodul. Es wird verwendet, um die Gamma des angegebenen Arrays zu berechnen. In Bezug auf die allgemeine Arbeit der Gamma () -Funktion ist es die gemeinsame faktorielle Funktion. Es kann leicht im Python -Programm verwendet werden, indem es der angegebenen Syntax folgt:

Die Gamma () -Funktion nimmt nur einen Parameter ein, der ein Array realer oder komplexer Zahlen ist. Es berechnet die Gamma der angegebenen Daten und gibt einen Skalar von NDarray als Ergebnis zurück. Lassen Sie uns einige Beispielbeispiele sehen, um zu verstehen, wie die Gamma () -Funktion in einem Python -Programm funktioniert.

Beispiel 1:

Wir werden hier ein sehr grundlegendes Beispiel geben, um das Konzept der Gamma () -Methode in der Python -Programmierung zu verstehen. Sie können dieselben Schritte ausführen, um Ihren angepassten Code wie im folgenden Beispielcode angegeben zu schreiben:

von Scipy Import Special
arr = [2, 4, 8, 5]
print ("Das Array enthält:", arr)
g = speziell.Gamma (arr)
print ("Die Gamma des Arrays ist:", G)

Wenn Sie sich den Code ansehen, wird die erste Zeile verwendet, um die Scipy -Bibliothek zusammen mit dem Spezialpaket zu importieren. Es ist sehr wichtig, die Bibliotheken und Pakete im Programm zu importieren, um ihre zugehörigen Funktionen zu verwenden. Die Gamma () -Funktion ist mit der Scipy -Bibliothek und den speziellen Paketen verbunden, sodass sie in das Programm aufgenommen werden müssen, um die Gamma () -Funktion zu verwenden. Ein Array, das 4 reelle Zahlen enthält, wird in der ARR -Variablen initialisiert. Die Variable „ARR“, die die Daten enthält.Gamma () -Funktion, um die Gamma -Verteilung der angegebenen Daten zu ermitteln. Eine andere Druckanweisung wird verwendet, um das Ergebnis des Specials anzuzeigen.Gamma () -Funktion am Terminal.

Beispiel 2:

Im vorherigen Beispiel haben wir die Funktionen der Realzahlen an die Funktion gamma () zur Verfügung gestellt, um deren Funktionalität zu überprüfen. Jetzt geben wir der Gamma () -Funktion eine komplexe Nummer zur Verfügung, um das Ergebnis zu überprüfen. Wie wir wissen, kann die Gamma () -Funktion sowohl mit realen als auch mit komplexen Zahlen funktionieren. Wir testen es sowohl mit realen als auch mit komplexen Zahlen. Lassen Sie uns den folgenden Code sehen:

von Scipy Import Special
A = 2.3+2j
print ("Die komplexe Nummer lautet:", a)
g = speziell.Gamma (a)
print ("Die Gamma der komplexen Zahl lautet:", G)

In Bezug auf den Code sind die Codezeilen die gleichen wie im vorherigen Beispiel. Wir haben nur die Daten geändert. Im vorherigen Beispiel wird eine Reihe realer Zahlen verwendet. Jetzt verwenden wir eine komplexe Nummer. Siehe das folgende Ergebnis der Funktion gamma ():

Beispiel 3:

Nachdem wir die Gamma () -Funktion sowohl mit realen als auch mit komplexen Zahlen getestet haben, verwenden wir ihre Funktionen. Die Gamma () -Funktion bietet auch weitere einfache Funktionen für die Daten, um eine genauere Gamma -Verteilung zu erhalten. Die Gamma -Funktion hat Erweiterungen von PPF, PDF, Quantile, CDF, Logpdf, Fit usw. Funktionen. In diesem Beispiel werden wir drei dieser Funktionen demonstrieren, damit Sie verstehen können, wie Sie die Gamma -Funktion mit diesen Methoden erweitern können. Siehe den angegebenen Code im folgenden Screenshot:

Numph als NP importieren
von Scipy.Statistiken importieren Gamma
Matplotlib importieren.Pyplot als PLT
a = 0.5
xx = np.Linspace (2, -1, 200)
gamma_pdf = gamma.PDF (xx, a, loc = 0, scale = 1)
gamma_cdf = gamma.CDF (xx, a, 0, 1)
gamma_logpdf = gamma.logpdf (xx, a, loc = 0, scale = 1)
PLT.Diagramm (xx, pdf_gamma)
PLT.xlabel ('Datenwert')
PLT.Ylabel ('PDF Gamma')
PLT.Titel ("PDF Gamma Distribution")
PLT.zeigen()
PLT.Diagramm (xx, gamma_cdf)
PLT.xlabel ('Datenwert')
PLT.Ylabel ('CDF Gamma')
PLT.Titel ("CDF Gamma Distribution")
PLT.zeigen()
PLT.Diagramm (xx, gamma_logpdf)
PLT.xlabel ('Datenwert')
PLT.ylabel ('logpdf gamma')
PLT.Titel ("Logpdf Gamma Distribution")
PLT.zeigen()

Drei Bibliotheken - Numpy, Scipy und Matplotlib werden unter Verwendung des Importbefehls in das Programm importiert. Zusammen mit ihnen werden die speziellen Pyplot -Pakete für die Verwendung der Gamma- und PLT -Funktionen importiert. Die nächsten fünf Zeilen werden verwendet, um die Daten für die Funktionen von PDF-, CDF und LogPDF bereitzustellen. Die allgemeine Syntax für alle Gamma -Methoden lautet wie folgt:

Gamma.method_name (Daten, Ort, Größe, Moment, Skala)

Die zu verteilenden Daten finden Sie im Parameter „Daten“. Der Parameter „Ort“ nimmt den standardmäßigen Mittelwert 0 ein, 0. Die Form der Verteilung wird durch den Parameter „Größe“ bestimmt. Der Mittelwert, die Kurtosis und die Standardabweichung werden unter Verwendung des Parameters „Moment“ berechnet. Zuletzt definiert der Parameter „Skalen“ die Standardabweichung und ist standardmäßig 1.

Im vorherigen Code haben wir drei Methoden von Gamma - CDF, PDF und LogPDF gezeigt. Wir haben allen Funktionen dieselben Daten zur Verfügung gestellt, um die verschiedenen Ergebnisse jeder Methode zu sehen. Die Grafik jeder Funktion wird separat unter Verwendung der PLT -Funktion angezeigt. Um das Diagramm zu zeichnen, wird der Befehl „Plot“ verwendet. Um das Etikett für die X-Achse und die y-Achse zu geben, werden die Befehle xlabel () und ylabel () verwendet. Und für den Titel wird der Befehl title () verwendet und der Befehl show () wird verwendet, um alles auf die Anzeige zu erhalten. Siehe die Grafiken in den folgenden Abbildungen.

Das erste Ausgangsdiagramm ist vom Gamma.CDF () Methode. Der Gamma.CDF () -Methode wird verwendet, um die kumulative Verteilung der angegebenen Daten zu berechnen.

Das zweite Diagramm ist die Abbildung des Gammas.PDF () -Funktion. Der Gamma.Die PDF () -Funktion wird verwendet, um die Wahrscheinlichkeitsdichte der angegebenen Daten zu berechnen.

Das letzte Diagramm ist die Abbildung des Gammas.logpdf () Funktion. Der Gamma.Logpdf () -Methode wird verwendet, um das Protokoll der Wahrscheinlichkeitsdichte der angegebenen Daten zu berechnen.

Abschluss

Dieser Artikel dient als kurzer Überblick über die Gamma -Funktion der Scipy -Bibliothek. Die Gamma -Funktion wird verwendet, um die Gamma -Verteilung der angegebenen Daten mit einer positiven und verzerrten Verteilung zu ermitteln. Wir haben einige einfache und interessante Beispiele verwendet, um zu erfahren, wie die Gamma -Funktion in einem Python -Programm verwendet wird. Wir haben auch die PLT -Funktion integriert, um die von den Gamma -Verteilungen erstellten Grafiken anzuzeigen. Mit Hilfe von Beispielen haben wir versucht, Sie zu den Abbildungen zu führen, wie Sie Ihre Gamma -Verteilungsdiagramme in Python -Programmen berechnen und zeichnen können.