scipy.stats.foldcauchy () एक मुड़ा हुआ निरंतर कॉची यादृच्छिक चर है जिसे एक मानक प्रारूप में परिभाषित किया गया है और इसके विनिर्देश को पूरा करने के लिए कुछ आकार मापदंडों के साथ।
पैरामीटर:
- > q: निचली और ऊपरी पूंछ की संभावना
- > a: आकार पैरामीटर
- > x: मात्राएँ
- > लोकेशन: [वैकल्पिक] स्थान पैरामीटर। डिफ़ॉल्ट = 0
- > स्केल: [वैकल्पिक] स्केल पैरामीटर। डिफ़ॉल्ट = 1
- > आकार: [टपल का ints, वैकल्पिक] आकार या यादृच्छिक रूप।
- > क्षण: [वैकल्पिक] अक्षरों से बना [`mvsk`]; `एम` = माध्य, `वी` = विचरण, `एस` = फिशर का तिरछा और `के` = फिशर का कुर्टोसिस। (डिफ़ॉल्ट = `mv`)।परिणाम: मुड़ा हुआ कॉची सतत यादृच्छिक चर
कोड # 1: एक मुड़ा हुआ बनाएं कॉची निरंतर यादृच्छिक चर कॉची यादृच्छिक चर
से scipy.stats < /कोड> <कोड वर्ग = "कीवर्ड"> आयात <कोड वर्ग ="सादा "> फ़ोल्डकॉची
< कोड वर्ग =" अपरिभाषित रिक्त स्थान "> /p>
<कोड वर्ग = "सादा"> अंक <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> foldcauchy.numargs
<कोड वर्ग = "सादा"> [ए] <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> [ <कोड वर्ग = " value"> 0.7,] * numargs <कोड वर्ग = "सादा"> rv <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> फ़ोल्डकॉची (ए)
Print ( "RV:" , rv)
बाहर निकलें:
RV: "scipy.stats._distn_infrastructure.rv_frozen ऑब्जेक्ट 0x0000018D55D8E160 >
कोड # 2: मुड़ा हुआ कॉची यादृच्छिक चर और संभाव्यता वितरण फ़ंक्शन।
<कोड>
<कोड वर्ग = "कीवर्ड"> आयात <कोड वर्ग = "सादा"> सुन्न एनपी के रूप में
<कोड वर्ग = "सादा"> मात्रा <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> np.arange ( 0.01 , 1 , <कोड वर्ग = "मान"> 0.1 <कोड वर्ग = "सादा">)
<कोड वर्ग = "टिप्पणियां" > # रैंडम वेरिएंट
R = foldcauchy .rvs (ए, स्केल <कोड क्लास = "कीवर्ड"> = <कोड क्लास = "वैल्यू"> 2 <कोड क्लास = "प्लेन">, साइज <कोड क्लास = "कीवर्ड"> = <कोड क्लास = "वैल्यू"> 10 <कोड क्लास = "प्लेन">)
<कोड क्लास एस = "कीवर्ड"> प्रिंट <कोड वर्ग = "सादा"> ( <कोड वर्ग = "स्ट्रिंग"> "यादृच्छिक रूपांतर:" <कोड वर्ग = "सादा">, आर )
# PDF
R = <कोड क्लास = "सादा"> फोल्डकौची.पीडीएफ (ए, क्वांटाइल, लोकेशन <कोड क्लास = "कीवर्ड"> = <कोड क्लास = "वैल्यू "> 0 <कोड वर्ग = "सादा">, स्केल <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "मान"> 1 <कोड वर्ग = "सादा">)
कोड वर्ग = "कार्य"> प्रिंट <कोड वर्ग = "सादा"> ( <कोड वर्ग = "स्ट्रिंग" > "संभाव्यता वितरण:" <कोड वर्ग = "सादा">, आर)
आउटपुट:
यादृच्छिक रूपांतर: [1.7445128 2.82630984 0.81871044 5.19668279 7.81537565 1.67855736 3.35417067 0.13838753 1.29145462 1.90 601065] 0.4 3294602 0.42480391 0.41154712 0.3934792]
कोड # 3: ग्राफिक प्रतिनिधित्व।
<कोड>
<कोड वर्ग = "कीवर्ड"> आयात <कोड वर्ग = "सादा"> सुन्न as np
import matplotlib.pyplot as plt
<कोड वर्ग = "सादा"> वितरण <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> np.linspace ( <कोड वर्ग = " value"> 0 , np.minimum (rv.dist. b, 3 ))
Print ( " वितरण:" <कोड वर्ग = "सादा">, वितरण)
<कोड वर्ग = "सादा"> साजिश <कोड वर्ग = " कीवर्ड"> = <कोड वर्ग = "सादा"> plt.plot (वितरण एन, आरवी.पीडीएफ (वितरण)) p>आउटपुट:
वितरण: [0. 0.06122449 0.12244898 0.18367347 0.24489796 0.30612245 0.36734694 0.42857143 0.48979592 0.55102041 0.6122449 0.67346939 0.73469388 0.79591837 0.85714286 0.91836735 0.97959184 1.04081633 1.10204082 1.16326531 1.2244898 1.28571429 1.34693878 1.40816327 1.46938776 1.53061224 1.59183673 1.65306122 1.71428571 1.7755102 1.83673469 1.89795918 1.95918367 2.02040816 2.08163265 2.14285714 2.20408163 2.26530612 2.32653061 2.3877551 2.44897959 2.51020408 2.57142857 2.63265306 2.69387755 2.75510204 2.81632653 2.87755102 2.93877551 3। ]
कोड # 4: विभिन्न स्थितिगत तर्क
<कोड वर्ग = "कीवर्ड"> आयात <कोड वर्ग = "सादा"> matplotlib. plt के रूप में pyplot
import numpy as np
<कोड वर्ग = "सादा"> x <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा"> np.linspace ( <कोड वर्ग = "मान "> 0 <कोड वर्ग = "सादा">, <कोड वर्ग = "मान"> 5 <कोड वर्ग = "सादा">, <कोड वर्ग = "मान"> 100 <कोड वर्ग = "सादा">)
<कोड वर्ग = "टिप्पणियां"> # विभिन्न स्थितिगत तर्क p>
<कोड वर्ग = "सादा"> y1 <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा">foldcauchy.pdf (x, < कोड वर्ग = "मान"> 1 <कोड वर्ग = "सादा">, <कोड वर्ग = "मान"> 3 <कोड वर्ग = "सादा">)
<कोड वर्ग = "सादा"> y2 <कोड वर्ग = "कीवर्ड"> = <कोड वर्ग = "सादा">foldcauchy.pdf (x, ) कोड> <कोड वर्ग = "मान"> 1 <कोड वर्ग = "सादा">, <कोड वर्ग = "मान"> 4 <कोड वर्ग = "plai n" >)
plt.plot (x, y1, "*" <कोड वर्ग = "सादा">, x, y2, <कोड वर्ग = "स्ट्रिंग"> "आर--" <कोड वर्ग = "सादा">)
आउटपुट:
हमें उम्मीद है कि इस लेख ने समस्या को हल करने में आपकी मदद की है। scipy stats.foldcauchy() | अजगर के अलावा, अन्य iat-संबंधित विषयों की जाँच करें।
पायथन में उत्कृष्टता प्राप्त करना चाहते हैं? सर्वश्रेष्ठ पायथन ऑनलाइन पाठ्यक्रम 2022 की हमारी समीक्षा देखें। यदि आप डेटा विज्ञान में रुचि रखते हैं, तो यह भी देखें कि R में प्रोग्रामिंग कैसे सीखें।
वैसे, यह सामग्री अन्य भाषाओं में भी उपलब्ध है:
<उल>Berlin | 2022-11-26
मैं अपने कोडिंग साक्षात्कार की तैयारी कर रहा था, इसे स्पष्ट करने के लिए धन्यवाद - पायथन में scipy stats.foldcauchy() | अजगर सबसे सरल नहीं है. मुझे पूरा यकीन नहीं है कि यह सबसे अच्छी विधि है
Vigrinia | 2022-11-26
समझाने के लिए धन्यवाद! मैं कुछ घंटों के लिए scipy stats.foldcauchy() | अजगर के साथ फंस गया था, आखिरकार इसे पूरा कर लिया. मेरे स्नातक थीसिस में इसका इस्तेमाल करेंगे
California | 2022-11-26
NumPy सब कुछ थोड़ा भ्रमित कर रहा है 😭 scipy stats.foldcauchy() | अजगर एकमात्र समस्या नहीं है जिसका मुझे सामना करना पड़ा. कल चेक किया गया, यह काम करता है!
