AST409 Astronomide Sayısal Çözümleme

Slides:



Advertisements
Benzer bir sunumlar
MATLAB MATrix LABoratory Hazırlayan: S. Murat BAĞDATLI.
Advertisements

8. SINIF 3. ÜNİTE BİLGİ YARIŞMASI
Matlab’da Diziler; Vektörler ve Matrisler
Bilgisayar Programlama Güz 2011
Matlab ile Sayısal Diferansiyel
MATLAB MATLAB İLE GRAFİK.
Bilgisayar Programlama
FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ
R2 Belirleme Katsayısı.
17-21 Şubat Doğrusal Fonksiyonların Grafiği
Giriş Erciyes Üniversitesi Mühendislik Fakültesi
o Problem Problem i tekrar ele alalım.
İletişim Lab. Deney 1 Alıştırma
8. SAYISAL TÜREV ve İNTEGRAL
2) Sayısal Hesaplamalarda Gerek Duyulabilecek Matlab İşlemleri
Ek 2A Diferansiyel Hesaplama Teknikleri
GNUPLOT ÇİZİM PROGRAMI İlkay TÜRK ÇAKIR SANAEM- TAEK HPFBO-Çukurova Üniversitesi.
Sorular 1 Kimya Mühendisliği problem çözümleri aşağıdaki dökümandan düzenlenmiştir. THE USE OF MATHEMATICAL SOFTWARE PACKAGES IN CHEMICAL ENGINEERING.
FONKSİYONLAR ve GRAFİKLER
Özdeğerler,Exp./harmonik girdi, spektrum
ORHAN EREN İLKOKULU 1-A.
AST409 Astronomide Sayısal Çözümleme
Gün Kitabın Adı ve Yazarı Okuduğu sayfa sayısı
MATLAB’ de Programlama
KİMYA MÜHENDİSLİĞİ SORULARI 1
AST409 Astronomide Sayısal Çözümleme
6. HAFTA
TBF - Genel Matematik I DERS – 8 : Grafik Çizimi
Hazırlayan: Hakan KUTUCU
KESİRLİ FONKSİYONLARIN GRAFİKLERİ
MATLAB temel komutlar ve fonksiyonlar.
4. Hafta.  % Parametreler %   A = 3; % genlik  f = 440; % frekans (Hz)  phi = -pi/4; % faz  fs = 20e3; % örnekleme oranı (20 kHz)  Ts = 0; %
HABTEKUS' HABTEKUS'08 3.
AST409 Astronomide Sayısal Çözümleme
DERS 11 KISITLAMALI MAKSİMUM POBLEMLERİ
AST409 Astronomide Sayısal Çözümleme
FONKSİYONLARIN GRAFİKLERİ
Yard. Doç. Dr. Mustafa Akkol
Bölüm6:Diferansiyel Denklemler: Başlangıç Değer Problemleri
İKİNCİ DERECEDEN FONKSİYONLAR ve GRAFİKLER
EŞİTSİZLİK GRAFİKLERİ
SÜREKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK YOĞUNLUK FONKSİYONLARI
Diferansiyel Denklemler
A409 Astronomide Sayısal Çözümleme
FONKSİYONLAR f : A B.
Yıldız Teknik Üniversitesi Makina Müh. Bölümü
DENEY TASARIMI VE ANALİZİ (DESIGN AND ANALYSIS OF EXPERIMENTS)
KARTEZYEN KOORDİNAT SİSTEMİ
İleri Sayısal Haberleşme
VERİ İŞLEME VERİ İŞLEME-4.
Beklenen Getirinin ve Riskin Ölçülmesi
DERS 11 BELİRLİ İNTEGRAL (ALAN).
Toplama Yapalım Hikmet Sırma 1-A sınıfı.
SAYILAR NUMBERS. SAYILAR 77 55 66 99 11 33 88.
Matlab ile Eğri Uydurma Polinom İnterpolasyonu
ÇOK DEĞİŞKENLİ FONKSİYONLARDA
1.HAFTA 26 Ağustos 2009 ÇARŞAMBA 2.HAFTA 01 EYLÜL 2009 SALI 3.HAFTA 09 EYLÜL 2009 ÇARŞAMBA 4.HAFTA 15 EYLÜL 2009 SALI 5.HAFTA 23 EYLÜL 2009 ÇARŞAMBA 6.HAFTA.
Yard. Doç. Dr. Mustafa Akkol
Diferansiyel Denklemler
Matlab GİRİŞ MATLAB ORTAMI
4. Periyodik sinyaller, fft
y=a+bx Doğrusal Regresyon: En Küçük Kareler Yöntemi eğim y kesişim
F(t): Girdi,u(t): Cevap k03a. Ekponansiyel/ harmonik girdi s= i; hs=(s+3)/(s^3+4*s^2+14*s+20);abs(hs), angle(hs) REZONANS Öz değerler: -1±3i, -2.
Polinomlar Enterpolasyon Grafikler Uygulama Sayısal Analiz
Sayısal Analiz Sayısal Türev
Sayısal Analiz Sayısal İntegral 3. Hafta
MATLAB R2013’e Giriş.
AST416 Astronomide Sayısal Çözümleme - II
Python ile Bilimsel Hesaplama
Sunum transkripti:

AST409 Astronomide Sayısal Çözümleme V. Python’da Grafikler ve Eğri Uyumlama

matplotlib kütüphanesi Python’da grafik çizmek için matplotlib kütüphanesinde yer alan ve matplotlib’in MATLAB gibi grafik üretmesini sağlayan komutların bir koleksiyonu olarak tanımlanabilecek matplolib.pyplot modülünü kullanacağız. Basit bir örnekle başlayalım. Örnek1 : import matplotlib.pyplot as plt plt.plot([1,2,3,4]) plt.xlabel(“x”) plt.ylabel(“y”) plt.show() Örnek2 : plt.plot([1,2,3,4], [1,4,9,16], 'ro') plt.axis([0, 6, 0, 20]) plt.show()

pyplot uygulamaları Örnek 3: Örnek 4: Birkaç grafiği aynı anda farklı sembollerle çizdirebilirsiniz! Örnek 3: import numpy as np import matplotlib.pyplot as plt # 200 ms’lik eşit aralıklarla 0-5 s arası #zaman değerlerimiz olsun t = np.arange(0., 5., 0.2) # Aşağıdaki her bir grafiği farklı #sembollerle gösterelim plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') plt.show() Yaratmış olduğunuz grafiklerin pek çok özelliğini kontrol edebilirsiniz! Örnek 4: x = np.arange(0,2*np.pi+np.pi/16.0,np.pi/16.0) y = np.sin(x) plt.plot(x, y, 'r-', linewidth = 2.0) plt.show()

pyplot ve çoklu grafikler Birkaç farklı grafiği aynı anda aynı şekil üzerine çizdirebilirsiniz! Örnek 5 : import numpy as np import matplotlib.pyplot as plt def f(t): return np.exp(-t) * np.cos(2*np.pi*t) t1 = np.arange(0.0, 5.0, 0.1) t2 = np.arange(0.0, 5.0, 0.02) plt.figure(1) plt.subplot(211) plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k') plt.subplot(212) plt.plot(t2, np.cos(2*np.pi*t2), 'r--') plt.show()

pyplot ve çoklu grafikler Birkaç farklı grafiği aynı anda farklı şekiller üzerine çizdirebilirsiniz! Örnek 6 : # birinci sekil plt.figure(1) # ilk grafik plt.subplot(211) plt.plot([1,2,3]) # ikinci grafik plt.subplot(212) plt.plot([4,5,6]) # ikinci sekil, ilk grafik varsayilan olarak (111) plt.figure(2) # birinci sekil ilk grafigin basligini belirleyelim plt.title('Python Ogreniyorum!') # grafiklerimizi gosterelim plt.show()

pyplot ve metin yönetimi Grafiklerin üzerine metin (text) ifadeler yerleştirebilirsiniz. Örnek 7 : # verimizi olusturalim mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) # verimizden bir histogram olusturalim n, bins, patches = plt.hist(x, 50, normed=1, \ facecolor='g', alpha=0.75) # x eksenine bir baslik verelim plt.xlabel('Zeka') # y eksenine bir baslik verelim plt.ylabel('Olasilik') # grafigimize bir baslik verelim plt.title('IQ Histogrami') # ortalama ve standart sapmayi gosterelim plt.text(60, .025, r'$\mu=100,\ \sigma=15$') # eksen sinirlarimizi belirleyelim plt.axis([40, 160, 0, 0.03]) # grid (izgara) gosterelim plt.grid(True) plt.show()

pyplot ve metin yönetimi (2) Grafikteki noktalarınızı etiketleyebilirsiniz Örnek 8 : # grafigimizi bir degiskene atayalim ax = plt.subplot(111) # t eksenini numpy arange fonksiyonu ile olusturalim t = np.arange(0.0, 5.0, 0.01) # s = cos(2 * PI * t) ifadesiyle fonksiyonumuzu olusturalim s = np.cos(2*np.pi*t) # grafigimizi bir cizim nesnesine alalim line, = plt.plot(t, s, lw=2) # noktamizi etiketleyelim plt.annotate('yerel maksimum', xy=(2, 1), xytext=(3, 1.5), arrowprops=dict(facecolor='black', shrink=0.05), ) # y ekseninin limitlerini belirleyelim plt.ylim(-2,2) plt.show()

Python ve Eğri Uyumlama Basit bir doğru uyumlama örneği ile başlayalım Örnek 9 : import matplotlib.pyplot as plt import numpy as np x = [-7.30000, -4.10000, -1.70000, -0.02564, 1.50000, 4.50000, 9.10000] y = [-0.80000, -0.50000, -0.20000, 0.00000, 0.20000, 0.50000, 0.80000] katsayilar = np.polyfit(x, y, 1) polinom = np.poly1d(katsayilar) y_polinom = polinom(x) print katsayilar print polinom plt.plot(x, y, 'o') plt.plot(x, y_polinom) plt.ylabel('y') plt.xlabel('x') plt.xlim(-10,10) plt.ylim(-1,1) plt.show()

Python ve Eğri Uyumlama Bir de 6. dereceden polinom uyumlaması deneyelim! Örnek 10 : x = [2.53240, 1.91110, 1.18430, 0.95784, 0.33158, -0.19506, -0.82144, -1.64770, -1.87450, -2.2010] y = [-2.50400, -1.62600, -1.17600, -0.87400, -0.64900, -0.477000, -0.33400, -0.20600, -0.10100, -0.00600] katsayilar = np.polyfit(x, y, 6) polinom_6 = np.poly1d(katsayilar) x_polinom6 = np.arange(-2.2, 2.6, 0.1) y_polinom6= polinom_6(x_polinom6) plt.plot(x, y, 'o') plt.plot(x_polinom6, y_polinom6) plt.ylabel('y') plt.xlabel('x') plt.show()

Python ve Lineer Regresyon scipy.stats.linregress modülü kullanarak lineer regresyon Örnek 11 : xi = np.arange(0,9) # x ile degisiminin lineer oldugu tahmininde buundugumuz y degiskenleri y = np.array([19, 20, 20.5, 21.5, 22, 23, 23, 25.5, 24]) egim, y_kesme, r_degeri, p_degeri, std_hata = stats.linregress(xi,y) print 'Korelasyon Katsayisi', r_degeri print ‘Sr degeri', sr_degeri print 'Tahmin uzerindeki standart hata', std_hata dogru = egim*xi+y_kesme plt.plot(xi,dogru,'r-',xi,y,'o') plt.show()