Scipy Gamma

Confus sur la façon de résoudre les problèmes scientifiques et d'optimisation complexes avec le langage de programmation Python? Eh bien, mettez votre stress de côté et explorez simplement la bibliothèque Scipy. Il vous aide à écrire le code complexe et à optimiser les programmes longs avec ses fonctions intégrées efficaces. Scipy est une bibliothèque open source fournie par le langage de programmation Python pour résoudre tout problème lié à l'ingénierie, aux mathématiques, etc. Il propose également des stratégies de manipulation et de visualisation des données pour les analystes de données avec des commandes de haut niveau. De plus, il est construit sur une extension numpy. Par conséquent, il étend les fonctionnalités de la bibliothèque Numpy. Cet article est construit autour d'expliquer le gamma Scipy. Avec l'aide d'exemples, nous montrerons comment vous pouvez facilement intégrer Scipy Gamma dans vos programmes.

Qu'est-ce que Scipy Gamma en langage de programmation Python?

Le gamma fourni par la bibliothèque Scipy est une variable aléatoire continue, une instance de la classe RV_Continnuous. Gamma est un objet hérité de la collection de méthodes génériques de la classe RV_Continue. Les variables aléatoires continues qui ont une distribution positive et asymétrique sont couramment décrites en utilisant la distribution gamma. La fonction gamma () est incluse dans le scipy.module spécial. Il est utilisé pour calculer le gamma du tableau spécifié. En ce qui concerne le fonctionnement général de la fonction gamma (), c'est la fonction factorielle commune. Il peut facilement être utilisé dans le programme Python en suivant la syntaxe donnée:

La fonction gamma () ne prend qu'un seul paramètre qui est un tableau de nombres réels ou complexes. Il calcule le gamma des données données et renvoie un scalaire de ndarray en conséquence. Voyons quelques exemples d'échantillons pour comprendre comment la fonction gamma () fonctionne dans un programme Python.

Exemple 1:

Nous fournirons un exemple très basique ici pour vous aider à comprendre le concept de la méthode gamma () en programmation Python. Vous pouvez suivre les mêmes étapes pour rédiger votre code personnalisé comme prévu dans l'exemple de code suivant:

de Scipy Import Special
arr = [2, 4, 8, 5]
print ("Le tableau contient:", arr)
g = spécial.Gamma (ARR)
Print ("Le gamma du tableau est:", G)

Si vous regardez le code, la première ligne est utilisée pour importer la bibliothèque Scipy avec le package spécial. Il est très important d'importer les bibliothèques et les packages du programme pour utiliser leurs fonctions associées. La fonction gamma () est associée à la bibliothèque SCIPY et aux packages spéciaux afin qu'ils soient inclus dans le programme pour utiliser la fonction gamma (). Un tableau qui contient 4 nombres réels est initialisé dans la variable ARR. La variable «arr» qui contient les données est transmise au spécial.Fonction gamma () pour trouver la distribution gamma des données données. Une autre déclaration d'impression est utilisée pour montrer le résultat du spécial.fonction gamma () sur le terminal.

Exemple 2:

Dans l'exemple précédent, nous avons fourni les données de nombre réel à la fonction gamma () pour vérifier sa fonctionnalité. Maintenant, nous fournissons un nombre complexe à la fonction gamma () pour vérifier son résultat. Comme nous le savons, la fonction gamma () peut fonctionner avec des nombres réels et complexes. Nous le testons avec des nombres réels et complexes. Voyons le code suivant:

de Scipy Import Special
a = 2.3 + 2J
imprimer ("Le nombre complexe est:", a)
g = spécial.gamma (a)
Print ("Le gamma du nombre complexe est:", G)

En ce qui concerne le code, les lignes de code sont les mêmes que celles données dans l'exemple précédent; Nous avons seulement changé les données. Un tableau de nombres réels est utilisé dans l'exemple précédent. Maintenant, nous utilisons un numéro complexe. Voir le résultat suivant de la fonction gamma ():

Exemple 3:

Maintenant que nous avons testé la fonction gamma () avec des nombres réels et complexes, utilisons ses fonctions. La fonction gamma () fournit également d'autres fonctions simples à utiliser sur les données pour avoir une distribution gamma plus précise. La fonction gamma a des extensions de PPF, PDF, quantile, CDF, logpdf, ajustement, etc. les fonctions. Dans cet exemple, nous présenterons trois de ces fonctions afin que vous puissiez comprendre comment vous pouvez étendre la fonction gamma avec ces méthodes. Reportez-vous au code donné dans la capture d'écran suivante:

Importer Numpy comme NP
de Scipy.Les statistiques importent le gamma
Importer Matplotlib.pypllot comme plt
a = 0.5
xx = np.lispace (2, -1, 200)
gamma_pdf = gamma.pdf (xx, a, loc = 0, échelle = 1)
gamma_cdf = gamma.CDF (xx, a, 0, 1)
gamma_logpdf = gamma.logpdf (xx, a, loc = 0, échelle = 1)
PLT.tracé (xx, pdf_gamma)
PLT.xLabel («valeur de données»)
PLT.YLABEL ('PDF Gamma')
PLT.Titre ("Distribution Gamma PDF")
PLT.montrer()
PLT.tracé (xx, gamma_cdf)
PLT.xLabel («valeur de données»)
PLT.ylabel ('cdf gamma')
PLT.Titre ("Distribution Gamma CDF")
PLT.montrer()
PLT.tracé (xx, gamma_logpdf)
PLT.xLabel («valeur de données»)
PLT.YLABEL ('LogPDF Gamma')
PLT.Titre ("LogPDF Gamma Distribution")
PLT.montrer()

Trois bibliothèques - Numpy, Scipy et Matplotlib sont importés dans le programme à l'aide de la commande d'importation. Parallèlement à eux, les forfaits Pyplot spéciaux sont importés pour utiliser les fonctions gamma et PLT. Les cinq lignes suivantes sont utilisées pour fournir les données des fonctions PDF, CDF et LogPDF. La syntaxe générale pour toutes les méthodes gamma est la suivante:

gamma.Method_name (données, emplacement, taille, moment, échelle)

Les données à distribution sont fournies dans le paramètre «Data». Le paramètre «Emplacement» prend la moyenne qui est par défaut, 0. La forme de la distribution est déterminée par le paramètre «taille». La moyenne, la kurtosis et l'écart type sont calculés en utilisant le paramètre «moment». Enfin, le paramètre «échelle» définit l'écart type, et il est 1 par défaut.

Dans le code précédent, nous avons démontré trois méthodes de gamma - CDF, PDF et LOGPDF. Nous avons fourni les mêmes données à toutes les fonctions pour voir les différents résultats de chaque méthode. Le graphique de chaque fonction s'affiche séparément en utilisant la fonction PLT. Pour tracer le graphique, la commande «Plot» est utilisée. Pour donner l'étiquette à l'axe X et à l'axe Y, les commandes XLabel () et Ylabel () sont utilisées respectivement. Et pour le titre, la commande title () est utilisée et la commande show () est utilisée pour tout obtenir sur l'écran. Reportez-vous aux graphiques des illustrations suivantes.

Le premier graphique de sortie est du gamma.Méthode CDF (). Le gamma.La méthode cdf () est utilisée pour calculer la distribution cumulative des données données.

Le deuxième graphique est l'illustration du gamma.Fonction PDF (). Le gamma.La fonction PDF () est utilisée pour calculer la densité de probabilité des données spécifiées.

Le dernier graphique est l'illustration du gamma.Fonction logpdf (). Le gamma.La méthode logpdf () est utilisée pour calculer le journal de la densité de probabilité des données données.

Conclusion

Cet article sert un aperçu rapide de la fonction gamma de la bibliothèque Scipy. La fonction gamma est utilisée pour trouver la distribution gamma des données données ayant une distribution positive et asymétrique. Nous avons utilisé des exemples simples et intéressants pour savoir comment la fonction gamma est utilisée dans un programme Python. Nous avons également incorporé la fonction PLT pour afficher les graphiques créés par les distributions gamma. Avec l'aide d'exemples, nous avons essayé de vous guider les illustrations sur la façon dont vous pouvez calculer et tracer vos graphiques de distribution gamma dans les programmes Python.