python 3空のグラフ

Question

グラフにデータを表示する際に問題があります。グラフフレームは表示されますが、グラフは表示されません。あなたは助けてもらえますか？

私は、x軸とデータの次元が同じであることを確認しました...私はなぜグラフを返さないのか分かりません。

ありがとうございます。

import numpy as np 
import matplotlib.pyplot as plt 
from scipy.stats import norm 


n = 1000 
theta = 0.8 

d = np.sqrt(1-theta**2) 

def p(x,y): 
    "Stochastic kernel for the TAR model" 
    return norm().pdf((y-theta*np.abs(x))/d)/d 


Z = norm().rvs(n) 
X = np.empty(n) 

for t in range(n-1): 
    X[t+1] = theta*np.abs(X[t])+d*Z[t+1] 


n = len(X) 
X = X.reshape((n, 1)) 

ys = np.linspace(-3,3,200) 
k = len(ys) 
ys = ys.reshape((1,k)) 

v = p(X,ys) 
kernel = np.mean(v, axis=0)  
h = len(kernel) 
kernel = kernel.reshape((1,h)) 


fig, ax = plt.subplots(figsize=(10,7)) 
ax.plot(ys,kernel, 'b-', lw=2,alpha=0.6, label='look ahead estimate') 
plt.show() 

Answer 1

問題は、それぞれ1X kまたは1x hアレイへの2つの1次元配列ysとkernel整形を通じて最初の寸法が明らかに1 plot関数である2次元配列を取得、あります最初の次元だけを反復するので、プロットに何も表示されません。私はそれを修正するには、2つの簡単なオプションを考えることができ ：

1. は、変数を再形成kernelとysないでください：

   # ... continuing your code ... 
   ys = np.linspace(-3,3,200) 
   k = len(ys) 
   #ys = ys.reshape((1,k)) 
   
   v = p(X,ys) 
   kernel = np.mean(v, axis=0)  
   h = len(kernel) 
   #kernel = kernel.reshape((1,h)) 
   
   
   fig, ax = plt.subplots(figsize=(10,7)) 
   ax.plot(ys,kernel, 'b-', lw=2,alpha=0.6, label='look ahead estimate') 
   plt.show() 
   

2. は、このようなあなたのプロット関数を呼び出します。

   ax.plot(ys[0],kernel[0], 'b-', lw=2, alpha=0.6, label='look ahead estimate') 
   

これがあなたの問題を解決することを願っています。

てみましょう最初の次元の面であなたの関数p(x,y)を理解する：図について

def p(x,y): 
    "Stochastic kernel for the TAR model" 
    """If x is not reshaped, you substract two one-dimensional arrays from each other, 
    which have not the same dimensions (dim(x) == 1000, dim(y) == 200 in your case). 
    This throws an error. 
    If you reshape X before passing to this function, the y array is substracted 
    element-wise by each of the values of X, which gives you a matrix with dimension 
    dim(x) x dim(y). 
    """ 
    return norm().pdf((y-theta*np.abs(x))/d)/d 

次元状にここに何が起こるか：

それでもXを再構築する必要がある理由を理解することは

>>> X = np.array([[1], [2], [3], [4]]) >>> Y = np.array([1, 2, 3]) >>> Y-X array([[ 0, 1, 2], [-1, 0, 1], [-2, -1, 0], [-3, -2, -1]]) 

ここで、が返す行列がどうなるかを見てみましょう：

vは、p(X,ys)から返された行列であるように動作し、マトリックスvの行にわたってそのnp.mean反復及び行列の各「行ベクトル」の平均値を算出np.mean(v, axis=0)とkernel、の計算。これにより、ysをプロットすることができる1次元配列（次元ys）が得られます。