Matplotlib Logit-Skala Plotting

Einführung

In diesem Lab werden wir lernen, wie man in Matplotlib Plots mit Logit-Achsen erstellt. Logit-Achsen werden in Wahrscheinlichkeitsdiagrammen häufig verwendet, um die kumulative Verteilungsfunktion (CDF) einer Verteilung darzustellen. Für dieses Lab werden wir die Bibliotheken math, numpy und matplotlib.pyplot verwenden.

Tipps für die VM

Nachdem der Start der VM abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie während des Lernens Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Importieren der erforderlichen Bibliotheken und Vorbereiten der Daten

Wir werden die Bibliotheken math, numpy und matplotlib.pyplot importieren und die Daten für die Plots vorbereiten.

import math
import numpy as np
import matplotlib.pyplot as plt

xmax = 10
x = np.linspace(-xmax, xmax, 10000)
cdf_norm = [math.erf(w / np.sqrt(2)) / 2 + 1 / 2 for w in x]
cdf_laplacian = np.where(x < 0, 1 / 2 * np.exp(x), 1 - 1 / 2 * np.exp(-x))
cdf_cauchy = np.arctan(x) / np.pi + 1 / 2

Erstellen eines Plots mit Logit-Skala und Standardnotation

Wir werden einen Plot mit Logit-Skala und Standardnotation erstellen. Dies kann erreicht werden, indem die y-Achsen-Skala auf Logit gesetzt wird, indem man set_yscale("logit") verwendet, und die y-Achsen-Grenzen mit set_ylim() festlegt. Wir werden auch die kumulativen Verteilungsfunktionen für die Normal-, Laplace- und Cauchy-Verteilungen mit plot() plotten und eine Legende mit legend() hinzufügen.

fig, axs = plt.subplots(nrows=1, ncols=1, figsize=(6.4, 4.8))

axs.plot(x, cdf_norm, label=r"$\mathcal{N}$")
axs.plot(x, cdf_laplacian, label=r"$\mathcal{L}$")
axs.plot(x, cdf_cauchy, label="Cauchy")
axs.set_yscale("logit")
axs.set_ylim(1e-5, 1 - 1e-5)
axs.legend()
axs.grid()

plt.show()

Erstellen eines Plots mit Logit-Skala und Überlebensnotation

Wir werden einen Plot mit Logit-Skala und Überlebensnotation erstellen. Dies kann erreicht werden, indem man die y-Achsen-Skala auf Logit setzt und die Parameter one_half auf "1/2" und use_overline auf True setzt, indem man set_yscale("logit", one_half="1/2", use_overline=True) verwendet. Wir werden auch die kumulativen Verteilungsfunktionen für die Normal-, Laplace- und Cauchy-Verteilungen mit plot() plotten und eine Legende mit legend() hinzufügen.

fig, axs = plt.subplots(nrows=1, ncols=1, figsize=(6.4, 4.8))

axs.plot(x, cdf_norm, label=r"$\mathcal{N}$")
axs.plot(x, cdf_laplacian, label=r"$\mathcal{L}$")
axs.plot(x, cdf_cauchy, label="Cauchy")
axs.set_yscale("logit", one_half="1/2", use_overline=True)
axs.set_ylim(1e-5, 1 - 1e-5)
axs.legend()
axs.grid()

plt.show()

Erstellen eines Plots mit linearer Skala

Wir werden einen Plot mit linearer Skala erstellen. Dies kann einfach dadurch erreicht werden, dass man die kumulativen Verteilungsfunktionen für die Normal-, Laplace- und Cauchy-Verteilungen mit plot() plotten und eine Legende mit legend() hinzufügen.

fig, axs = plt.subplots(nrows=1, ncols=1, figsize=(6.4, 4.8))

axs.plot(x, cdf_norm, label=r"$\mathcal{N}$")
axs.plot(x, cdf_laplacian, label=r"$\mathcal{L}$")
axs.plot(x, cdf_cauchy, label="Cauchy")
axs.legend()
axs.grid()

plt.show()

Zusammenfassung

In diesem Lab haben wir gelernt, wie man in Matplotlib Plots mit Logit-Achsen erstellt. Wir haben Plots mit Logit-Skala und Standardnotation, Logit-Skala und Überlebensnotation sowie linearer Skala erstellt. Für dieses Lab haben wir die Bibliotheken math, numpy und matplotlib.pyplot verwendet.