使用np.linspace（）绘制离散分布图

Question

我试图使用matplotlib绘制一个简单的离散分布：

• 如果-1＆lt; = x＆lt; 0，则p = 0.3;
• 如果0 <= x <1，则p = 0.5;
• 如果1 <= x <= 2，则p = 0.2。

如何从x = np.linspace(-1, 2)开始？

到目前为止我尝试的是：

def mapDiscProb(x):
    if np.any(x < 0):
        return 0.3 + x * 0
    elif np.any(x >= 1):
        return 0.2 + x * 0
    else:
        return 0.5 + x * 0

x = np.linspace(-1, 2)
y = mapDiscProb(x4)

ax.plot(x, y, clip_on = False)

结果只是从-1到2的整数线，好像elif和else没有被执行。

我的预期输出是三条断开的水平线，这是离散pmf的标准。

Answer 1

您可以使用

numpy.piecewise

numpy.piecewise允许根据某些条件定义函数。这里有三个条件[x<0, x>=1, (x>=0) & (x<1)]，您可以定义一个用于每个条件的函数。

import matplotlib.pyplot as plt
import numpy as np

l1 = lambda x: 0.3 + x * 0
l2 = lambda x: 0.2 + x * 0
l3 = lambda x: 0.5 + x * 0

mapDiscProb=lambda x: np.piecewise(x, [x<0, x>=1, (x>=0) & (x<1)],[l1,l2,l3])

x = np.linspace(-1, 2)
y = mapDiscProb(x)

fig, ax = plt.subplots()
ax.plot(x, y, clip_on = False)

plt.show()

numpy.vectorize

numpy.vectorize向量化一个函数，该函数用于使用标量调用，这样就可以对数组中的每个元素进行求值。这允许if / else语句按预期使用。

import matplotlib.pyplot as plt
import numpy as np

def mapDiscProb(x):
    if x < 0:
        return 0.3
    elif x >= 1:
        return 0.2
    else:
        return 0.5

x = np.linspace(-1, 2)
y = np.vectorize(mapDiscProb)(x)

fig, ax = plt.subplots()
ax.plot(x, y, clip_on = False)

plt.show()

numpy.select

（感谢PaulH这个想法）numpy.select可以根据条件从不同的数组中选择值。对于分段常数函数，这是一个简单的工具，因为它不需要构建任何附加函数（单线程）。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 2)
y = np.select([x<0, x<1, x>1], [0.3, 0.5, 0.2])

fig, ax = plt.subplots()
ax.plot(x, y, clip_on = False)

plt.show()

所有情况下的输出：

没有垂直线

如果您不想显示任何垂直线条，则可以根据条件绘制尽可能多的绘图。

import matplotlib.pyplot as plt
import numpy as np

l1 = lambda x: 0.3 + x * 0
l2 = lambda x: 0.2 + x * 0
l3 = lambda x: 0.5 + x * 0

x = np.linspace(-1, 2)
func = [l1,l2,l3]
cond = [x<0, x>=1, (x>=0) & (x<1)]

fig, ax = plt.subplots()
for f,c in zip(func,cond):
    xi = x[c]
    ax.plot(xi, f(xi), color="C0")

plt.show()

或者，使用numpy.select，您可以修改x数组，以确保包含值[0,1]，这些值位于条件之间的边缘。选择明确排除这些值的条件，[x<0, (x>0) & (x<1), x>1]（注意缺少任何等号）将允许将这些值设置为nan。未显示Nan值，因此出现间隙。

import matplotlib.pyplot as plt
import numpy as np

x = np.sort(np.append(np.linspace(-1, 2),[0,1]))
y = np.select([x<0, (x>0) & (x<1), x>1], [0.3, 0.5, 0.2], np.nan)

fig, ax = plt.subplots()
ax.plot(x, y)

plt.show()

Answer 2

如果您只想为该示例执行此操作，则应该可以使用

import numpy as np
from matplotlib import pyplot as plt
x=np.linspace(-1,2)
plt.plot(x[x < 0], 0.3 + x[x < 0]*0, color='blue')
plt.plot(x[(x >= 0) & (x <= 1)], 0.5 + x[(x>=0) & (x<=1)]*0, color='blue')
plt.plot(x[x > 1],0.2 + x[x > 1]*0, color='blue')
plt.show()

当谈到离散函数时，

掩蔽是我的方法。