Gamma escabricado

Confundido sobre cómo resolver los complejos problemas científicos y de optimización con el lenguaje de programación de Python? Bueno, deja tu estrés a un lado y explora la biblioteca de Scipy. Le ayuda a escribir el código complejo y optimizar los programas largos con sus funciones incorporadas eficientes. Scipy es una biblioteca de código abierto proporcionada por el lenguaje de programación de Python para resolver cualquier problema relacionado con la ingeniería, las matemáticas, etc. También ofrece estrategias de manipulación y visualización de datos para analistas de datos con comandos de alto nivel. Además, se basa en una extensión numpy. Por lo tanto, extiende las funcionalidades de la biblioteca Numpy. Este artículo se basa en explicar el gamma escolar. Con la ayuda de ejemplos, mostraremos cómo puede incorporar fácilmente a Gamma Scipy en sus programas.

¿Qué es Scipy Gamma en el lenguaje de programación de Python??

La gamma proporcionada por la biblioteca Scipy es una variable aleatoria continua, una instancia de la clase rv_continnual. Gamma es un objeto heredado de la colección de métodos genéricos de la clase RV_Continua. Las variables aleatorias continuas que tienen una distribución positiva y sesgada se describen comúnmente utilizando la distribución gamma. La función gamma () se incluye en el scipy.módulo especial. Se usa para calcular la gamma de la matriz especificada. En lo que respecta al funcionamiento general de la función gamma (), es la función factorial común. Se puede usar fácilmente en el programa Python siguiendo la sintaxis dada:

La función gamma () toma solo un parámetro que es una matriz de números reales o complejos. Calcula el gamma de los datos dados y devuelve un escalar de ndarray como resultado. Veamos algunos ejemplos de muestra para comprender cómo funciona la función gamma () en un programa de Python.

Ejemplo 1:

Proporcionaremos un ejemplo muy básico aquí para ayudarlo a comprender el concepto del método gamma () en la programación de Python. Puede seguir los mismos pasos para escribir su código personalizado según lo dispuesto en el siguiente código de muestra:

de scipy import special
arr = [2, 4, 8, 5]
imprimir ("La matriz contiene:", arr)
g = especial.gamma (arr)
Imprimir ("La gamma de la matriz es:", g)

Si mira el código, la primera línea se utiliza para importar la biblioteca Scipy junto con el paquete especial. Es muy importante importar las bibliotecas y los paquetes en el programa para usar sus funciones asociadas. La función gamma () está asociada con la biblioteca Scipy y los paquetes especiales, por lo que deben incluirse en el programa para usar la función gamma (). Una matriz que contiene 4 números reales se inicializa en la variable ARR. La variable "ARR" que contiene los datos se pasan al especial.función gamma () para encontrar la distribución gamma de los datos dados. Otra declaración de impresión se utiliza para mostrar el resultado del especial.función gamma () en la terminal.

Ejemplo 2:

En el ejemplo anterior, proporcionamos los datos del número real a la función gamma () para verificar su funcionalidad. Ahora, proporcionamos un número complejo a la función gamma () para verificar su resultado. Como sabemos, la función gamma () puede funcionar con números reales y complejos. Lo probamos con números reales y complejos. Veamos el siguiente código:

de scipy import special
a = 2.3+2J
imprimir ("El número complejo es:", a)
g = especial.gamma (a)
Imprimir ("La gamma del número complejo es:", g)

En lo que respecta al código, las líneas de código son las mismas que las que se dan en el ejemplo anterior; Solo cambiamos los datos. Se usa una variedad de números reales en el ejemplo anterior. Ahora usamos un número complejo. Consulte el siguiente resultado de la función gamma ():

Ejemplo 3:

Ahora que probamos la función gamma () con números reales y complejos, usemos sus funciones. La función gamma () también proporciona más funciones simples que se utilizarán en los datos para tener una distribución gamma más precisa. La función gamma tiene extensiones de PPF, PDF, Quantile, CDF, LOGPDF, FIT, etc. funciones. En este ejemplo, demostraremos tres de estas funciones para que pueda comprender cómo puede extender la función gamma con estos métodos. Consulte el código dado en la siguiente captura de pantalla:

importar numpy como np
De Scipy.Estadísticas de importación gamma
Importar matplotlib.Pyplot como PLT
a = 0.5
xx = np.Linspace (2, -1, 200)
gamma_pdf = gamma.PDF (xx, a, loc = 0, escala = 1)
gamma_cdf = gamma.CDF (xx, a, 0, 1)
gamma_logpdf = gamma.logpdf (xx, a, loc = 0, escala = 1)
PLT.Plot (xx, pdf_gamma)
PLT.xlabel ('valor de datos')
PLT.Ylabel ('PDF Gamma')
PLT.Título ("PDF Gamma Distribution")
PLT.espectáculo()
PLT.TRAM (xx, gamma_cdf)
PLT.xlabel ('valor de datos')
PLT.Ylabel ('CDF Gamma')
PLT.Título ("CDF Gamma Distribution")
PLT.espectáculo()
PLT.Plot (xx, gamma_logpdf)
PLT.xlabel ('valor de datos')
PLT.Ylabel ('logpdf gamma')
PLT.Título ("Distribución Gamma Gamma" logpdf ")
PLT.espectáculo()

Tres bibliotecas: Numpy, Scipy y Matplotlib se importan al programa utilizando el comando de importación. Junto con ellos, los paquetes especiales de Pyplot se importan para usar las funciones Gamma y PLT. Las siguientes cinco líneas se utilizan para proporcionar los datos para las funciones PDF, CDF y LOGPDF. La sintaxis general para todos los métodos gamma es la siguiente:

gama.Method_name (datos, ubicación, tamaño, momento, escala)

Los datos a distribuir se proporcionan en el parámetro de "datos". El parámetro de "ubicación" toma la media que es de forma predeterminada, 0. La forma de la distribución está determinada por el parámetro de "tamaño". La media, la curtosis y la desviación estándar se calculan utilizando el parámetro "momento". Por último, el parámetro de "escala" define la desviación estándar, y es 1 por defecto.

En el código anterior, demostramos tres métodos de gamma: CDF, PDF y LOGPDF. Proporcionamos los mismos datos a todas las funciones para ver los diferentes resultados de cada método. El gráfico de cada función se muestra por separado utilizando la función PLT. Para trazar el gráfico, se usa el comando "gráfico". Para dar la etiqueta al eje x y el eje y, los comandos xlabel () e ylabel () se usan respectivamente. Y para el título, se usa el comando title () y el comando show () se usa para obtener todo en la pantalla. Consulte los gráficos en las siguientes ilustraciones.

El primer gráfico de salida es del gamma.Método CDF (). El gamma.El método CDF () se utiliza para calcular la distribución acumulada de los datos dados.

El segundo gráfico es la ilustración del gamma.función pdf (). El gamma.La función PDF () se usa para calcular la densidad de probabilidad de los datos especificados.

El último gráfico es la ilustración del gamma.función logpdf (). El gamma.El método logpdf () se utiliza para calcular el registro de la densidad de probabilidad de los datos dados.

Conclusión

Este artículo sirve como una visión general rápida de la función gamma de la biblioteca Scipy. La función gamma se usa para encontrar la distribución gamma de los datos dados que tienen una distribución positiva y sesgada. Utilizamos algunos ejemplos simples e interesantes para aprender cómo se usa la función gamma en un programa de Python. También incorporamos la función PLT para mostrar los gráficos creados por las distribuciones gamma. Con la ayuda de ejemplos, intentamos guiarle las ilustraciones sobre cómo puede calcular y trazar sus gráficos de distribución gamma en los programas de Python.