2022 年，把 Python 学得跟 Java 一样熟练——04 matplotlib 绘制概率图

Posted 2022-06-04 毕小宝

背景

《贝叶斯方法》里面有一个案例“图书管理员还是农民”：

丹尼尔卡尼曼在《思考，快与慢》中说，史蒂芬被描述为一个害羞的人，他乐于助人，但是他对其他人不太关注。他非常乐于见到事情处于合理的顺序，并对他的工作非常细心。你认为史蒂芬是一个图书管理员还是一个农民呢？

从上面的描述来看，大多数人都会认为史蒂芬看上去更像一个图书管理员，但是这里却忽视了一个关于图书管理员和农民的事实：男性图书管理员的人数只有男性农民的 1/20 。

所以统计学的角度来看，他更有可能是一个农民。本文整理该案例绘制的条形图，主要在于了解 matplotlib 的简单用法。

贝叶斯定理推断

根据贝叶斯定理推断，史蒂芬是图书管理员的先验概率和后验概率分别是：

1. 先验概率：1/21 = 0.047，什么都不知道的情况下的概率。
2. 后验概率：0.087，即知道史蒂芬具有一些乐于助人、细心的特点后，判断他是图书管理员的概率是 0.087，比先验概率大了一点点。

Python 条形图展示

在 PyCharm 中编码绘制两个概率的条形图：

from IPython.core.pylabtools import figsize
import numpy as np
from matplotlib import pyplot as plt

# 设置参数
figsize(12.5, 4)
plt.rcParams['savefig.dpi'] = 300
plt.rcParams['figure.dpi'] = 300

#设置参数
colors = ['#348ABD','#A60628']
prior = [1/21. , 20/21.]
posterior = [0.087, 1-0.087]

#绘制先验概率图：
plt.bar([0, .7], prior, alpha=0.70, width=0.25,
        color=colors[0], label='prior distribution',
        lw="3",edgecolor=colors[0])

#绘制后验概率图
plt.bar([0+0.25, .7+0.25],posterior, alpha=0.7,width=0.25,
        color=colors[1],label='posterior distribution',
        lw="3",edgecolor=colors[1])

#设置 X 轴的位置和名称
plt.xticks([0.20, 0.95],["Librarian","Farmer"])

#设置图形标题
plt.title("Prior and posterior probabilities of Steven's occupation")

#设置纵轴名称
plt.ylabel("Probability")

# 设置图例位置
plt.legend(loc="upper left")

#展示该图，没有这句话，就没有图
plt.show()

编码注意事项，依赖模块安装，在 Pycharm 的控制台执行：

1. 安装 pip3 install IPython 模块。
2. 安装 pip3 install matplotlib 模块。

运行结果

原样敲的代码运行出的图形特别大，占满了电脑屏幕，就是这个图：

这个图可以看到，史蒂芬是农民的概率是远远高于图书管理员的概率的。

编程启示录

Pycharm 安装后自带了一个 venv 的目录，下面有 pyhton3.9 的环境，所以我想默认的开发都是以自带的环境为基础的。

本例中安装依赖模块都是在当前项目下执行的，看安装结果也是用的“venv/bin/python -m pip “ 该环境的 pip3 安装的依赖模块。

那么如果用本机的 pip3 安装的模块，在 Pycharm 环境下编码能引用到吗？反之呢，刚刚安装的两个模块，直接通过命令行能访问到么？

我不记得本机 Python 环境有没有安装过这个 matplotlib ，但是通过控制台执行能导入成功：