小编Luk*_*son的帖子

这是我一段时间以来一直感兴趣的东西。我们显然可以创建一个 matplotlib 图并像这样旋转 xticklabels。

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(np.random.randn(1000).cumsum())

ax.set_title('Random Cumulative Sum')
ax.set_xlabel('Stages')
ax.set_xticks([0, 250, 500, 750, 1000])
ax.set_xticklabels(['one','two','three','four','five'],
                   rotation=30, fontsize='small')

假设我宁愿使用字典来完成此操作。我可以制作一个（几乎）相同的情节使用

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(np.random.randn(1000).cumsum())

props = {'title': 'Random Cumulative Sum',
        'xlabel': 'stages',
        'xticks': [0,250,500,750,1000],
        'xticklabels': ['one','two','three','four','five']}

ax.set(**props)

我没有指定 xticklabels 需要在 props 字典中旋转。有没有办法将这些信息包含在字典中？

我正在尝试计算以下高斯的傅立叶变换：

# sample spacing
dx = 1.0 / 1000.0

# Points
x1 = -5
x2 = 5

x = np.arange(x1, x2, dx)

def light_intensity():
    return 10*sp.stats.norm.pdf(x, 0, 1)+0.1*np.random.randn(x.size)

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

我在空间频域中创建了一个新数组（高斯的傅立叶变换是高斯，因此这些值应该相似）。我绘制并得到这个：

fig, ax = plt.subplots()

xf = np.arange(x1,x2,dx)
yf= np.fft.fftshift(light_intensity())
ax.plot(xf,np.abs(yf))

为什么会分裂成两个峰？

python中计算逆卡方分布的对应函数是什么？例如，在 MATLAB 中，具有 n 个自由度的 95% 置信区间由下式给出

chi2inv(0.975,n)