기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

함수의 그래프: 정적분

다음 그림들은 전자책 파이썬과 함께하는 미분적분의 6.3장과 6.4장에 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 6.3.1
a=symbols("a")
f=(a-1)*(a-2)*(a-3)+3
x=np.linspace(0, 5, 100)
y=[f.subs(a, i) for i in x]
plt.figure(figsize=(4,3))
plt.plot(x, y ,color="g", label="f(x)")
x0, x1=np.linspace(1, 2.5, 20), np.linspace(2.5, 4, 20)
fy0, fy1=[float(f.subs(a, i)) for i in x0], [float(f.subs(a, i)) for i in x1]
plt.fill_between(x0, fy0, color="b", alpha=0.5, label="F(x)")
plt.fill_between(x1, fy1, color="r", alpha=0.5, label="F(x+h)-F(X)")
plt.xticks([1, 2.5, 4], ["a=0", "x", "b=x+h"])
plt.yticks([])
plt.ylabel("f(x)", rotation="horizontal", labelpad=10, fontsize=11)
plt.ylim((-3, 10))
plt.legend(loc='best', labelcolor="linecolor", frameon=False)
plt.show()
#그림 6.3.2
a=symbols("a")
f=a**2-1
x=np.linspace(-1, 2.5, 100)
y=[float(f.subs(a, i)) for i in x]
plt.figure(figsize=(4,3))
plt.plot(x, y ,color="g", label=r"$f(x)=x^2-1$")
x1=np.linspace(0, 2, 100)
y1=[float(f.subs(a, i)) for i in x1]
plt.fill_between(x1, y1,color="b", alpha=0.3)
plt.xlabel("x", fontsize=11)
plt.ylabel("f(x)", rotation="horizontal", labelpad=10, fontsize=11)
plt.ylim((-2, 3))
plt.legend(loc="best", labelcolor=["g", 'b','r'], frameon=False)
plt.show()
#그림 6.3.3
t=symbols('t')
a=12*t**2-6
v=a.integrate(t)+5
s=v.integrate(t)+5
x=np.linspace(-4, 4, 100)
ay=[a.subs(t, i) for i in x]
vy=[v.subs(t, i) for i in x]
sy=[s.subs(t, i) for i in x]
plt.figure(figsize=(4,3))
plt.plot(x, ay, color="r", label="a(t)")
plt.plot(x, vy, color="b", label="v(t)")
plt.plot(x, sy, color="g", label="s(t)")
plt.ylim(-10, 40)
plt.xlabel("x", fontsize=11)
plt.ylabel("y", rotation="horizontal", fontsize=11)
plt.legend(loc="best", labelcolor='linecolor', frameon=False)
plt.show()
#그림 6.3.5
x=np.arange(0, 360)
r=np.cos(np.radians(x))+1
plt.figure(figsize=(4,3))
plt.plot(x, r ,color="g", label=r"$r(\theta)=\cos(\theta)+1$")
x0=np.linspace(0, 90, 50)
r0=np.cos(np.radians(x0))+1
plt.fill_between(x0, r0, color="r", alpha=0.3)
plt.xticks([0, 90, 180, 270, 360], [0, r"$\frac{\pi}{2}$", r"$\pi$", r"$\frac{3\pi}{2}$", r"$2\pi$" ])
plt.xlabel(r"$\theta$", fontsize=11)
plt.ylabel(r"$r(\theta)$", rotation="horizontal",  labelpad=10, fontsize=11)
plt.legend(loc="best", labelcolor="g", frameon=False)
plt.show()
#그림 6.3.6
x=np.linspace(-1, 2.5, 100)
f=2*x+1
g=x**2+1
plt.figure(figsize=(4,3))
plt.plot(x, f ,color="b", label=r"$f(x)=2x+1$")
plt.plot(x, g ,color="g", label=r"$g(x)=x^2+1$")
x1=np.linspace(0, 2, 100)
f1=2*x1+1
g1=x1**2+1
plt.fill_between(x1, f1, g1, color="r", alpha=0.3)
plt.xlabel("x", fontsize=11)
plt.ylabel("y", rotation="horizontal", labelpad=10, fontsize=11)
plt.legend(loc="best", labelcolor="linecolor", frameon=False)
plt.show()
#그림 6.3.7
x=np.linspace(-3, 10, 100)
f=x**4-3*x**3-4*x**2+10
g=40-x**2
plt.figure(figsize=(4,3))
plt.plot(x, f ,color="b", label=r"$f(x)=2x+1$")
plt.plot(x, g ,color="g", label=r"$g(x)=x^2+1$")
x1=np.linspace(1,3, 100)
f1=x1**4-3*x1**3-4*x1**2+10
g1=40-x1**2
plt.fill_between(x1, g1, f1, color="r", alpha=0.3)
plt.xlabel("x", fontsize=11)
plt.ylabel("y", rotation="horizontal", labelpad=10, fontsize=11)
plt.ylim((-40, 60))
plt.legend(loc="best", labelcolor="linecolor")
plt.show()
#그림 6.3.8
x=np.linspace(-1, 3, 100)
f=x**2
plt.figure(figsize=(4,3))
plt.plot(x, f ,color="g", label=r"$f(x)=x^2$")
x1=np.linspace(0,2, 100)
f1=x1**2
plt.fill_between(x1, f1, color="r", alpha=0.3)
plt.hlines(4/3, (4/3)**0.5, 2, ls="--", color="b", label=r"$y_{avg}=\frac{4}{3}$")
plt.xlabel("x", fontsize=11)
plt.ylabel("y", rotation="horizontal",  fontsize=11)
plt.ylim(-0, 5)
plt.legend(loc="best", labelcolor="linecolor", frameon=False)
plt.show()
#그림 6.4.1
x0=np.linspace(-90, 360)
y0=np.sin(np.radians(x0))
fig, ax=plt.subplots(figsize=(4,3))
ax.plot(x0, y0 ,color="g", label="f(x)=sin(x)")
x=np.linspace(-90, 0, 30), np.linspace(0, 180, 30), np.linspace(180, 360, 30)
y=np.sin(np.radians(x))
col=["brown", "b","r"]
nme=["Aear1: -1.42", "Aear2: 1.99", "Aear3: 1.99"]
for i in range(len(x)):
    ax.fill_between(x[i], y[i], color=col[i], alpha=0.3, label=nme[i])
axisTran(ax)
ax.set_xlabel("x", loc="right",fontsize=11)
ax.set_ylabel("y", rotation="horizontal", loc="top", fontsize=11)
ax.set_xticks([-90,0, 90, 180, 270, 360], [r"$-\frac{\pi}{2}$", 0, r"$\frac{\pi}{2}$", r"$\pi$",r"$\frac{3\pi}{2}$", r"$2\pi$"])
ax.set_yticks([-1, -0.5, 0.5, 1])
ax.set_ylim((-1.1, 1.1))
ax.legend(loc="best", labelcolor=["g","brown", "b","r"])
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...

[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 $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 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. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ 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...

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...