Python數(shù)據(jù)可視化:冪律分布實例詳解

更新時間：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:冪律分布實例詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

1、公式推導(dǎo)

對冪律分布公式：

對公式兩邊同時取以10為底的對數(shù)：

所以對于冪律公式，對X,Y取對數(shù)后，在坐標軸上為線性方程。

2、可視化

從圖形上來說，冪律分布及其擬合效果：

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

對XY取雙對數(shù)后，坐標軸上點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XY取雙對數(shù)，判斷能否用一個直線很好擬合就行。常見的直線擬合效果評估標準有擬合誤差平方和、R平方。

3、代碼實現(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0.02一個數(shù)據(jù) 0處取對數(shù),會時負無窮 生成100個數(shù)據(jù)點
 noise=norm.rvs(0, size=100, scale=0.2) # 生成50個正態(tài)分布 scale=0.1控制噪聲強度
 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X，Y取雙對數(shù)
 Y=np.log10(Y)
 return X,Y

def DataFitAndVisualization(X,Y):
 # 模型數(shù)據(jù)準備
 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:冪律分布實例詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，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繞過圖片滑動驗證碼實現(xiàn)爬取PTA所有題目功能附源碼
這篇文章主要介紹了python繞過圖片滑動驗證碼實現(xiàn)爬取PTA所有題目附源碼,本文給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下
2021-01-01
如何用Python?實現(xiàn)景區(qū)安防系統(tǒng)
本設(shè)計中，利用YOLO目標檢測算法、Openpose姿態(tài)識別算法、deepsort跟蹤算法、MSCNN人群密度估計算法實現(xiàn)了火災(zāi)監(jiān)測、吸煙監(jiān)測、行為安全監(jiān)測、人群密度監(jiān)測、口罩率監(jiān)測、人員定位監(jiān)測六大功能，對Python?實現(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，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2019-06-06
Python實現(xiàn)的端口掃描功能示例
這篇文章主要介紹了Python實現(xiàn)的端口掃描功能,涉及Python針對端口的連接、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個常用的Python開源庫
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、機器學(xué)習(xí)、圖形用戶界面和其它常用庫,涵蓋了這些領(lǐng)域的核心工具和庫,介紹了它們的特點和使用示例,需要的朋友可以參考下
2025-03-03
OpenCV實現(xiàn)機器人對物體進行移動跟隨的方法實例
這篇文章主要給大家介紹了關(guān)于OpenCV實現(xiàn)機器人對物體進行移動跟隨的相關(guān)資料，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(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，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(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創(chuàng)建自定義的可視化圖表,文中通過代碼示例講解的非常詳細,需要的朋友可以參考下
2024-05-05
Python通過類的組合模擬街道紅綠燈
這篇文章主要介紹了Python通過類的組合模擬街道紅綠燈,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2020-09-09
Python實現(xiàn)經(jīng)典算法拓撲排序、字符串匹配算法和最小生成樹實例
這篇文章主要介紹了Python實現(xiàn)經(jīng)典算法拓撲排序、字符串匹配算法和最小生成樹實例,拓撲排序、字符串匹配算法和最小生成樹是計算機科學(xué)中常用的數(shù)據(jù)結(jié)構(gòu)和算法，它們在解決各種實際問題中具有重要的應(yīng)用價值,需要的朋友可以參考下
2023-08-08