蟒蛇3空图

Question

我有一个问题，显示图中的数据。图框会出现，但不会显示图形。你能帮忙吗？

我确信x轴的尺寸和数据是一样的......我根本找不到为什么我没有得到一个图形作为回报。

非常感谢您提前。

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

的问题是，通过分别重塑两个1维阵列ys和kernel到1X k或1x h阵列你得到2维数组，其中第一维是1. plot功能显然只会遍历第一个维度，这就是为什么情节不显示任何内容。 我能想到的两种简单的方式来解决这个问题：

1. 不要重塑变量kernel和ys：

   # ... 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. 打电话给你的绘图功能是这样的：

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

我希望这可以解决您的问题。

要理解为什么你还是要重塑X：

让我们先了解你的函数p(x,y)在尺寸方面：

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 

为了说明这里发生的事情逐个维度的：

>>> 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]]) 

现在我们来看看返回的矩阵会发生什么：

的kernel与np.mean(v, axis=0)，其中v是从p(X,ys)返回的矩阵的计算，作品这样，即np.mean遍历所述矩阵v的线和在矩阵计算每一“行向量”的平均值。这给你一个一维数组（尺寸ys），你可以在ys上绘制。