Snippets

Lineær regression uden plot

xlist=[0.366,0.477,0.563,0.606,0.679]

ylist=[0.494,1.188,1.859,2.199,2.853,]

from scipy.optimize import curve_fit

def func(x, a, b):

    return a * x + b

x_vaerdier = np.array(xlist)

y_vaerdier = np.array(ylist)

popt, pcov = curve_fit(func, x_vaerdier, y_vaerdier, p0=[0, 0.13, 0])

a=popt[0].round(2)# popt indeholder a b og c i en liste med mange decimaler

b=popt[1].round(6)# round runder til 6 decimaler 

#c=popt[2].round(2)

print('y(x) =',a,'x + ',b)

Exponentiel regression med plot

import numpy as np

import matplotlib.pyplot as plt

xlist=[1,2,3,4,5]

ylist=[300,148,76,37,18]

from scipy.optimize import curve_fit

def func(x, a, b,c):

    return a *np.exp(-b * x) + c

x_vaerdier = np.array(xlist)

y_vaerdier = np.array(ylist)

popt, pcov = curve_fit(func, x_vaerdier, y_vaerdier, p0=[300, 0.13,0])

a=popt[0].round(2)# popt indeholder a b og c i en liste med mange decimaler

b=popt[1].round(6)# round runder til 6 decimaler 

c=popt[2].round(2)

print('y(x) =',a,'* exp -',b,'* x + ',c)

x_plot=np.linspace(xlist[0],xlist[-1],100)

plt.plot(x_plot,func(x_plot,a,b,c),'r-')

plt.scatter(x_vaerdier,y_vaerdier)

Lineær regression med prognose og plot

import matplotlib.pyplot as plt

import numpy as np

xlist=[0.366,0.477,0.563,0.606,0.679]

ylist=[0.494,1.188,1.859,2.199,2.853]

from scipy.optimize import curve_fit

def func(x, a, b):

    return a * x + b

x_vaerdier = np.array(xlist)

y_vaerdier = np.array(ylist)

popt, pcov = curve_fit(func, x_vaerdier, y_vaerdier, p0=[0, 0.13])

a=popt[0].round(2)# popt indeholder a b og c i en liste med mange decimaler

b=popt[1].round(6)# round runder til 6 decimaler 

print('y(x) =',a,'x + ',b)

prognose = 0.1

x_plot=np.linspace(xlist[0]-prognose,xlist[-1]+prognose,100)

plt.plot(x_plot,func(x_plot,a,b),'r-')

plt.scatter(x_vaerdier,y_vaerdier)

plt.axhline(y=0,color='k',linestyle='-',lw=1)

plt.axvline(x=0,color='k',linestyle='-',lw=1)

Polinomium regression med plot

import matplotlib.pyplot as plt

import numpy as np

To plots under hinanden kan man gøre med følgende 

import numpy as np

import matplotlib.pyplot as plt

x=np.linspace(0,6,200)

y1=np.sin(x)

y2=np.cos(x)

plt.subplot(211)

plt.plot(x,y1)

plt.title("Sinus og cosinus")

plt.subplot(212)

plt.plot(x,y2)

plt.savefig("subplot-sin-cos.png")

plt.show()

 Plot af en lineær funktion

import matplotlib.pyplot as plt

import numpy as np

a=2

b=10

x = np.linspace(-5,5,10)

y = a*x+b

minlegende=("y = {0} x + {1}".format(a,b))

plt.plot(x,y, '-r', label=minlegende)

plt.title('Lineær graf y = ax + b')

plt.xlabel('x', color='k')

plt.ylabel('y', color='k')

plt.legend(loc='upper left')

plt.grid()

plt.show()

from googleapiclient.discovery import build

from google.oauth2 import service_account

SERVICE_ACCOUNT_FILE = '../crpython-key/crpython-key.json'

SCOPES = ['https://www.googleapis.com/auth/spreadsheets']

creds = None

creds = service_account.Credentials.from_service_account_file(

        SERVICE_ACCOUNT_FILE, scopes=SCOPES)

SAMPLE_SPREADSHEET_ID = '12ckLUThFLjY2gIhb490VDOe5tr1EsOuNoACpmhpo720'

service = build('sheets', 'v4', credentials=creds)

# Call the Sheets API

sheet = service.spreadsheets()

result = sheet.values().get(spreadsheetId=SAMPLE_SPREADSHEET_ID,

                                range="Ark1!A2:B97").execute()

values = result.get('values', [])

xsheetsvaerdier =[]

ysheetsvaerdier =[]

for i in values:

    xsheetsvaerdier.append(float(i[0].replace(',','.')))

    ysheetsvaerdier.append(float(i[1].replace(',','.')))

#print(xsheetsvaerdier)

#print(ysheetsvaerdier)

import matplotlib.pyplot as plt

import numpy as np

x = np.array(xsheetsvaerdier)

y = np.array(ysheetsvaerdier)

Har du brugt det her før og har du en .json fil gør følgende: 

1. kopier dit .json fil et sted hvor python kan finde det (rød tekst til venstre) (du kan genbruge den samme .json fil mange gange). 

2. gå ind på din google fil og klip den lange string fra URL'en ud og sæt den ind (blå tekst til venstre)

3. Angiv hvilken del af dit regneark python skal læse (grøn tekst til venstre) 

Det fungerer IKKE out of the box. Du skal give phthon adgang til at læse dine google filer. Hertil skal du generere en .json fil! 

Har du IKKE en .json fil skal du oprette en. Se denne side om hvordan du gør det. 

Det smarte med det her er jo at man snildt kan genbruge det samme GoogleSheet og bare bruge forskellige "Ark". Det er jo denne her kommandt 

range="Ark1!A2:B97").execute()

som læser data fra regnearket. 

from sympy import *

init_printing() 

%matplotlib inline 

#Definition af variabler og symboler

x,y,z,t,s,v = symbols('x,y,z,t,s,v')

func1 = -10.34*x**2 + 15.049*x - 3.7586

func2 = 2*x**3-14*x**2+x+30

func = func1

dydx = diff(func,x)

print('Rødderne er x = :')

print(solveset(func.evalf()))

print('')

print('Maksima og minima er ved x = :')

print(solveset(dydx.evalf()))

print('')

print('y-værdien til maximum y = ',func.subs(x,0.727707930367505))

plot(func)#,(x,0,1.2))

plot(dydx)#,(x,0,1.2))

Koden til venstre finder rødder og maxima i en funktion

1. Klip koden til venstre ind i Jupyter

2. Er stat func1 eller func2 med din funktion

3. har du flere funktioner du vil lege med så skift func = func1 Programmet regner kun på func

4. programmet spytter værdier ud som IKKE er direkte tilgængelig som variabler derfor har jeg sat 0.727707930367505 manuelt i funktionen for at få y-værdien (find gerne en bedre løsning :-) ) 

5. sympy vælger selv plot grænser som ofte er meget store slet # (#,(x,0,1.2))) de nederste linjer for at ændre på grænserne. 

Ved hjælpe af denne kodestump kan du beregne vinklen ud fra de to kateder 

import numpy as np

modstaaende = 1

hosliggende = 1

vinkelrad=np.arctan(modstaaende/hosliggende)

vinkelgrad= vinkelrad/np.pi*180

print('vinkel i radianer er ',vinkelrad)

print('vinkel i grader er ',vinkelgrad,'grader')

from sympy import *

x = symbols('x')

ysym1 = x**2+3*x-8

ysym2 = -x**2+4*x+5

ysym3 = Eq(ysym1,ysym2)

lsym0=(solve(ysym3,x)[0].evalf())

lsym1=(solve(ysym3,x)[1].evalf())

print('skæringspunkterne af de to grafer',lsym0,'og',lsym1)

Isym0 = integrate((ysym1),(x,lsym0,lsym1))

Isym1 = integrate((ysym2),(x,lsym0,lsym1))

Isym2 = Isym1-Isym0

print('Integralet af y1 mellem skæringspunkterne = ',Isym0.evalf())

print('Integralet af y2 mellem skæringspunkterne = ',Isym1.evalf())

print('Arealet mellem skæringspunkterne = ',Isym2.evalf())

plot(ysym1,ysym2,(x,-2.5,3))