기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

axes and text_R plots

Axes and Text

R에서 plot() 함수의 기본 형은 다음과 같습니다. 
plot(x, y, main="제목", sub="하위제목", xlab=" ", ylab=" ", xlim=c(최소, 최대), ylim=c(최소, 최대), xlab, ylab, col.lab=축이름의 색, cex.lab=0.75)

위 함수의 매개변수 중 xlab. ylab은 축이름이고 xlim, ylim은 x, y 축의 범위를 나타냅니다. 
cex.lab은 축이름의 크기를 지정합니다. 

위 함수에서 재목은 title() 함수를 사용하여 별도로 나타낼 수 있습니다. 
title(main="제목", col.main=제목의 색, sub="하위제목", col.sub="하위제목의 색")
그래프에 text를 첨가하기 위해 text()와 mtext()를 사용할 수 있습니다. 
text(): 그래프 내에 문구를 첨가할 경우 사용합니다. 
  text(위치1, "삽입문구", 위치2, ...)
mtext(): 그래프 외부에 위치시킬 경우 사용합니다. 
 mtext("삽입할 문구", side,...)

위치1 - x, y 축의 값을 지정하여 해당하는 좌표를 시작으로 문구가 삽입됩니다. 
side(위치2) - 그래프 내 또는 외부에 위치를 지정합니다. 
     위치2 = 1, 2, 3, 4로 지정되면 각각은 below, left, above, right
이외에 cex, col, font를 지정할 수 있는데 각각은 크기, 색, 폰트 스타일을 지정할 수 있습니다. 


축 설정 

axis() 함수를 사용하여 축을 별도로 설정할 수 있습니다. 
axis(위치2, at=, labels=, pos=, lty=, col=, las=, tck=,...)

at: 지정한 축에서 입력되는 tick mark를 위한 수치 벡터
labels: 지정한 축의 이름 
pos: 선이나 점에 대응되는 다른 축을 지정, 이 부분은 plot(), lines()등에서 이미 지정되어 있으므로 별도로 지정하지 않습니다. 
lty와 col은 축의 선의 종류와 색 그리고 지정된 축의 tick의 색을 지정합니다. 
축의 색을 지정하기 위해서는 col.axis=  매개변수를 사용합니다. 
las : 축라벨은 수평으로 입력하기 위해서는 las=0, 수직으로 입력하기 위해서는 las=2로 지정합니다. 
tck: 축의 틱의 위치와 크기를 지정하는 것으로 음수이면 그래프 바깥쪽으로 그려지고 양수이면 그래프 안쪽에 그려집니다. 0이면 그려지지 않습니다. 1이면 양수 최잳치로 gridline이 그려집니다. 기본값은 -0.1입니다. 

축을 작성하지 않을 경우 axes=F로 설정합니다. 이 설정은 모든 축을 작성하지 않는 것으로 xaxt="n", yaxt="n"은 각각 x, y 축을 삭제합니다. 

> x<-hist(kos1[, 4], xlab='price', ylab='Density', main='the part of closed price (75day)', prob=T )
> lines(density(kos1[, 4]), lwd=2, col='red')
> abline(dnorm(x$breaks, mean(kos1[,4]), sd(kos1[,4])), col="blue", lwd=2, lty=2)
> par(new=T)
> y<-dnorm(x$breaks, mean(kos1[,4]), sd(kos1[,4]))
> plot(xbreaks,dnorm(xbreaks, mean(kos1[,4]), sd(kos1[,4])), xlab='price', lab='Density',
     type="l", col="blue", lwd=2, lty=2, axes=F)
> axis(4, at=round(y, 4), col="blue", col.axis="blue")

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. (1)A=PBP1P1AP=B 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. (식 2)BλI=P1APλP1P=P1(APλP)=P1(AλI)P 식 2의 행렬식은 식 3과 같이 정리됩니다. det(BλI)=det(P1(APλP))=det(P1)det((AλI))det(P)=det(P1)det(P)det((AλI))=det(AλI)det(P1)det(P)=det(P1P)=det(I) 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a sin2(x)+cos2(x) simplify(a) 1 simplify(b) x3+x2x1x2+2x+1 simplify(b) x - 1 c=gamma(x)/gamma(x-2) c Γ(x)Γ(x2) simplify(c) (x2)(x1) 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. (식 1)Γ(n)={(n1)!n:자연수0xn1exdxn:부동소수 x=symbols('x') gamma(x).subs(x,4) 6 factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 x2=1의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. x21=0 import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. x21=0(x+1)(x1)=0x=1or1x4=1의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. x41=(x2+1)(x+1)(x1)=0x=±1,±1=±i,±1 실수...