기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[matplotlib]quiver()함수

방향도 작성 (Direction Plot)

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = "Nanumgothic"
plt.rcParams['axes.unicode_minus'] = False

방향도를 작성할 식을 함수로 작성합니다.

def dv_dt(t, v):
    return 9.8-v/5

방향도를 그릴 (t, v) 평면의 격자점을 생성. meshgrid() 함수를 사용하여 각 (t, v) 쌍을 생성

t_min, t_max=0, 10
v_min, v_max=40, 60
t_interval=1
v_interval = 4
t=np.arange(t_min, t_max+t_interval, t_interval)
v=np.arange(v_min, v_max+v_interval, v_interval)
T, V=np.meshgrid(t, v)

각 (t, v) 격자점에서 dv/dt 값 계산, 이 값은 각 지점에서의 기울기입니다.

slope=dv_dt(T, V)

quiver() 함수는 화살표의 (x, y)위치와 (x방향 성분, y 방향성분)을 인자로 받습니다. 화살표의 길이를 일정하게 유지하면서 방향만 표시하기 위해 각 기울기값(slope)를 단위 벡터로 정규화합니다.

  • u=1(t 방향성분)
  • w=slope(v 방향성분)

이때 화살표의 길이(L)을 일정하게 하고 방향만 유지하기 위해 u, w를 정규화 합니다.

  • L=np.sqrt(1**2+slope**2)
  • u=1/L
  • w=slope/L

하지만 quiver 함수는 scale 인자를 사용하여 화살표의 길이를 조절할 수 있으므로, 단순히 U=1과 W=slopes로 설정하고 scale을 조정하는 것이 더 직관적일 수 있습니다. 여기서는 scale을 사용하여 화살표의 상대적인 길이를 조절해 보겠습니다.

U=np.ones_like(T)
W=slope
L=np.sqrt(U**2+W**2)
U_norm=U/L
W_norm=W/L
plt.figure(figsize=(4,3))
plt.quiver(T, V, U_norm, W_norm, color="b", scale=20,headwidth=4, headlength=4)
plt.axhline(49, color="g", alpha=0.6)
plt.xlabel("t(시간)")
plt.ylabel("v(속도)")
plt.grid(True, ls="--", alpha=0.7)
plt.show()

위 과정을 하나의 함수로 작성합니다.

def directionPlot(f, x, y, x_interval, y_interval, xlab, ylab, color="b", scale=20,headwidth=4, headlength=4 ):
    x=np.arange(x[0], x[1]+x_interval, x_interval)
    y=np.arange(y[0], y[1]+y_interval, y_interval)
    X, Y=np.meshgrid(x, y)
    slope=f(X, Y)
    U=np.ones_like(X)
    W=slope
    L=np.sqrt(U**2+W**2)
    U_norm=U/L
    W_norm=W/L
    plt.figure(figsize=(4,3))
    plt.quiver(X, Y, U_norm, W_norm, color=color, scale=scale,headwidth=headwidth, headlength=headlength)
    plt.xlabel(xlab)
    plt.ylabel(ylab)
    plt.grid(True, ls="--", alpha=0.7)

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...