Microeconomics:Python画Price_Offer_Curve
标签: 笔记
Microeconomics
Price Consumption Curve
NOTES:
(From Intermediate Microexonomics ----HAL R. VARIN
NINTH EDITION)


代码:
import matplotlib.pyplot as plt
import numpy as np
from pylab import *
from scipy import interpolate
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False
#一个小函数
def indifference_curve(x, a, c):
return 5*(x-a)**(2)+c
#开启一个窗口,num设置子图数量,figsize设置窗口大小.
fig = plt.figure(num=1, figsize=(15, 8))
plt.title("One Price Changes", {"size":24})
#这是和L1相切的无差异曲线
x = np.arange(0, 0.2, 0.01)
y = indifference_curve(x, 0.3, 0.6)
plt.plot(x, y, linestyle="--",linewidth=7,color='black')
#这是和L2相切的无差异曲线
x = np.arange(0.5,0.7,0.01)
y = indifference_curve(x, 0.7, 0.35)
plt.plot(x, y, linestyle="--",linewidth=7,color='black')
#这是和L3相切的无差异曲线
x = np.arange(1.1,1.3,0.01)
y = indifference_curve(x, 1.25, 0.3875)
plt.plot(x, y, linestyle="--",linewidth=7,color='black')
#这是三条切线
plt.plot([0,0.5],[1,0], label="L1", linestyle="-",linewidth=5)
plt.plot([0,1],[1,0], label="L2", linestyle="-",linewidth=5)
plt.plot([0,2],[1,0], label="L3", linestyle="-",linewidth=5)
#这是三条无差异曲线和切线的切点以及一个额外点表示价格-消费曲线,这里我用线性插值的方式把价格-消费曲线补全
x = np.array([0.1, 0.6, 1.2, 1.5])
y = np.array([0.8, 0.4, 0.4, 0.5])
xnew = np.arange(0.1,1.5,0.01)
func = interpolate.interp1d(x, y, kind='quadratic')
ynew = func(xnew)
plt.plot(xnew,ynew,label="Price_Offer_Curve",linestyle="-.",linewidth=8,color='y')
#这是三个切点
plt.plot(0.1, 0.8, 'rs', 0.6, 0.4, 'bs', 1.2, 0.4, 'ys')
#这些是图例以及坐标轴显示范围
plt.legend(["U1", "U2", "U3", "L1", "L2", "L3","Price_Offer_Curve", "A", "B", "C"], loc=0, ncol=2, prop={"size":20})
plt.xlim(0,2.2)
plt.ylim(0,1.2)
plt.xlabel("Food",{"size":25})
plt.ylabel("Water",{"size":25})
#让坐标轴刻度隐身
plt.xticks([])
plt.yticks([])
#显示绘图结果
plt.show()
效果图:

智能推荐
利用SciPy中的curve_fit拟合曲线(Python)
Scipy是一个用于数学、科学、工程领域的常用软件包,可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵,使Numpy和Scipy协同工作,高效解决问题。 scipy.optimize中有curve_fit方法可以拟合自定义的曲线,如指数函数拟合,幂指函数拟合和多项式拟合,下面导入相应的包进行拟合的一个例子: 导入需要的包 自定义函数拟合 结果...
house price
Kaggle房价预测 链接:link 供个人学习复习用 进行可视化 因为最终目的是要预测销售价格,所以下面可以进行对改变量进行分析 #使用mean()来填充na值,实际上在进行特征工程时有很多需要探索的地方。 #NOTE: i simply used median() to fill na values, actually there is lot to explore when you do f...
Linux环境下配置和安装hadoop及hadoop集群搭建(VMware)
文章目录 一、安装准备 二、hadoop的配置 1.首先配置hadoop-env.sh 2.配置core-site.xml 3.配置hdfs-site.xml 4.配置mapred-site.xml 5.配置yarn-site.xml 6.配置slaves 7.配置hadoop环境变量 三、格式化HDFS 四、启动hadoop 五、集群搭建 1.克隆虚拟机 2.配置免密登录 3.修改主机器的配置文...
使用QProcess打开和关闭第三方应用,比如CMD
使用QProcess打开和关闭第三方应用,比如CMD 注意: 很多教程不一定是对的,但我这篇绝对是对的,因为我踩坑过啊。 为了节省时间,直接上图、上代码,so easy! 重要事情说3遍: 杀死进程,一定要加/F 和 /T 杀死进程,一定要加/F 和 /T 杀死进程,一定要加/F 和 /T 开始 验证下,打开任务管理器就能看到 总结 从上面看,是不是很简单,taskkill不知道是啥,是windo...
自定义View实现注销图案的加载动画
先看效果图: 有那味了。。。(懂得都懂^ ^ √) 我们先来分析一下怎么画,然后再研究怎么让他动起来 这个View是由内部的注销图案和外面一圈圆环构成。而内部的注销图案又是由一个基本满角度的圆弧和一根竖线组成 一、绘制内部注销图案 首先初始化画笔和圆弧的外切矩形: 圆弧的中心是View的中心,坐标为(getWidth()/2,getWidth()/2),半径设置为getWidth/4,...
猜你喜欢
vue3使用vue-count-to组件
项目场景: 数据可视化大屏开发的过程中,需要实现一种滚动数字的效果,在使用vue2时,使用vue-count-to完全没有问题,功能也比较完善(滚动时长,开始值,结束值,前缀,后缀,千分隔符,小数分隔符等等),但是在vue3中使用会出现问题。 展示的效果 问题描述: 出现的错误时 == Cannot read property ‘_c’ of undefined== 这是一...
包的安装
包的分类: 包的安装方式: 1. yum 安装 不需要手动解决依赖关系 本地yum源配置:不需要网络 网络源配置 yum : 2. 源码安装 2.1 安装准备: 2.2 分析安装平台环境 查看安装平台参数,下载合适的包 2.3 下载源码包 根据查到的参数下载源码包,建议下载到/usr/local/src目录下 2.4 安装源码包 示例: 此处以apache http示例:https://mirro...
李洪义机器学习课程(一)——Learning Map学习笔记
我们先一张一张PPT来分析讲解[1]。 总体框图 : 这张图表明了接下来的知识脉络体系,也可以看成目前学术界、工业界的几大研究方向。整体上分为: 监督学习、半监督学习、无监督学习、迁移学习、强化学习。 对于监督学习又分为:回归、分类、结构化学习[2] 对于分类问题,整体上分为线性模型和非线性模型,非线性模型包括深度学习、SVM、决策树、KNN等。 接下来一个一个说明。 李大大对回归有一个例子...
druid配置和后台监控
最简单快速的druid配置 1.pom.xml 引入依赖包 2.spring.xml配置druid 3.web.xml配置 4.启动Tomcat服务器,输入localhost:8080/你的项目名/druid MISSION COMPLETED!...
