기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

함수의 그래프: 부정적분

다음 그림들은 전자책 파이썬과 함께하는 미분적분의 6.1장에 수록된 그래프들과 코드들입니다.

import numpy as np 
import pandas as pd
from sympy import *
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("darkgrid")
def axisTran(ax):
    ax.spines['left'].set_position(("data", 0))
    ax.spines['bottom'].set_position(("data", 0))
    ax.spines['right'].set_visible(False)
    ax.spines['top'].set_visible(False)
#그림 6.1.1
x=np.linspace(0, 3, 100)
y=3*x
plt.figure(figsize=(4,3))
plt.plot(x, y, color="g", lw=3, label="f(x)=3x")
plt.fill_between(x, y, alpha=0.6)
plt.xlabel("Time(hr)", fontsize="11")
plt.ylabel("Vel\n(km/hr)",  rotation="horizontal", fontsize="11", labelpad=20)
plt.legend(loc=(0.2, 0.9), labelcolor='g', frameon=False)
plt.show()
#그림 6.1.2
x=[0, 50, 125, 200]
y=[400, 400, 300, 250]
fig, ax=plt.subplots(figsize=(4,3))
ax.step(x, y, 'g')
ax.fill_between(np.linspace(0, 50, 50), np.repeat(400, 50), color="b", alpha=0.3)
ax.fill_between(np.linspace(50,125, 50), np.repeat(300, 50), color="r", alpha=0.3)
ax.fill_between(np.linspace(125, 200), np.repeat(250, 50), color="orange", alpha=0.3)
axisTran(ax)
ax.set_xlabel("# of product", fontsize=11)
ax.set_ylabel("cost", rotation="horizontal", labelpad=20, fontsize=11)
ax.text(0, 350, "C(x)=400", color="b")
ax.text(55, 250, "C(x)=300", color="r")
ax.text(130, 200, "C(x)=400", color="brown")
plt.show()
#그림 6.1.3
a=symbols("a")
f=(a-1)*(a-2)*(a-4)+3
x=np.linspace(0, 5, 100)
y=[f.subs(a, i) for i in x]
fig, ax=plt.subplots(figsize=(4,3))
ax.plot(x, y ,color="g", label="(x-1)(x-2)(x-4)+3")
x0=np.linspace(1, 4, 10)
for i in range(1, len(x0)):
    xrng=np.linspace(x0[i-1], x0[i], 20)
    y0=np.repeat(float(f.subs(a, x0[i-1])), 20)
    ax.fill_between(xrng, y0, color="b", alpha=0.3)
axisTran(ax)
ax.set_xlabel("x", fontsize=11)
ax.set_ylabel("f(x)", rotation="horizontal", labelpad=10, fontsize=11)
ax.set_ylim((-1, 4))
ax.legend(loc=(0.8, 0.8), labelcolor="g", frameon=False)
plt.show()
#그림 6.1.4
a=symbols("a")
f=600*a-a**2
x=np.linspace(0, 600, 100)
y=[f.subs(a, i ) for i in x]
fig, ax=plt.subplots(figsize=(4,3))
ax.plot(x, y ,color="g", label=r"$f(x)=600x-x^2$")
x0=np.linspace(0, 600, 7)
for i in range(1, len(x0)):
    xrng=np.linspace(x0[i-1], x0[i], 20)
    y0=np.repeat(float(f.subs(a, x0[i])), 20)
    ax.fill_between(xrng, y0, color="brown", alpha=0.3)
axisTran(ax)
ax.set_xlabel("x", fontsize=11)
ax.set_ylabel("f(x)", rotation="horizontal", labelpad=10, fontsize=11)
ax.legend(loc=(0.8, 0.8), labelcolor="g", frameon=False)
plt.show()
#그림 6.1.5
a=symbols("a")
f=600*a-a**2
x=np.linspace(0, 600, 100)
y=[f.subs(a, i ) for i in x]
fig, ax=plt.subplots(figsize=(4,3))
ax.plot(x, y ,color="g", label=r"$f(x)=600x-x^2$")
x0=np.linspace(0, 600, 61)
for i in range(1, len(x0)):
    xrng=np.linspace(x0[i-1], x0[i], 20)
    y0=np.repeat(float(f.subs(a, x0[i])), 20)
    ax.fill_between(xrng, y0, color="brown", alpha=0.3)
axisTran(ax)
ax.set_xlabel("x", fontsize=11)
ax.set_ylabel("f(x)", rotation="horizontal", labelpad=10, fontsize=11)
ax.legend(loc=(0.8, 0.8), labelcolor="g", frameon=False)
plt.show()

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. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...

부분분수의 미분

내용 방법 1 방법 2 방법 3 부분분수의 미분 분수의 미분은 일정한 공식 을 적용하여 계산할 수 있습니다. 그러나 분수 자체가 단순한 표현으로 이루어지지 않았다면 미분 과정이나 결과는 매우 복잡할 수 있습니다. 만약 복잡한 분수 함수를 간단한 분수들로 분해할 수 있다면 계산이 보다 간편해질 것입니다. 이와 같이 분해된 간단한 분수들을 부분분수 라고 합니다. 예를 들어 다음 두 분수의 합을 계산해 봅니다. $$\begin{align} \frac{1}{x+1}+\frac{2}{x-1}&=\frac{x-1+2(x+1)}{(x+1)(x-1)}\\ &=\frac{3x+1}{x^2-1} \end{align}$$ 위 과정은 3개 이상의 여러 분수에서도 이루어질 수 있습니다. 또한 역으로 진행될 수 있습니다. 즉, 분수를 부분 분수로 분할할 수 있습니다. 그러나 이러한 과정은 대수분수 (분자의 가장 큰 차수가 분모의 최고의 차수보다 작은 분수)에서만 이루어질 수 있습니다. 예를 들어 $\displaystyle \frac {x^2+2}{x^2-1}$의 경우는 분자와 분모의 차수는 2차로 같습니다. 이러한 경우 다음과 같이 분리할 수 있습니다. $$\frac{x^2+2}{x^2-1}=1+\frac{3}{x^2-1}$$ 위의 식 중 $\displaystyle \frac{3}{x^2-1}$은 분자의 차수가 분모의 차수 보다 낮은 대수 분수이므로 부분 분수로 분리할 수 있습니다. 이와같이 부분 분수로 분해하는 방법은 다음과 같이 몇 가지로 구분할 수 있습니다. 방법 1 위 예의 결과 $\displaystyle \frac{3x+1}{x^2-1}$의 경우를 역으로 생각해 봅니다. 분모의 인수분해가 가능하면 그 분모의 인수에 의해 다음과 같이 분해할 수 있습니다. $$\begin{align} \frac{3x+1}{x^2-1}&=\frac{3x+1}{(x+1)(x-1)}\\ &=\frac{A}{x+1...