Awọn anfani:
- Agbara lati gbejade awọn igbero imọ-jinlẹ pẹlu awọn aake ẹyọkan, iwọn ododo, ati aidaniloju ti o han gbangba pẹlu Matplotlib
- Agbara lati rii daju iru awọn aworan ti o yẹ si data ati iru ibatan ti ara (alaye, ofin agbara) nipa lilo awọn iwọn log
- Agbara lati ṣayẹwo boya aworan kan ṣe afihan fisiksi ni deede ati ṣe idanimọ iwọn ṣiwọn ati aidaniloju farasin
Nigbati a ba pese sile daradara, chart kan jẹ ki awọn ọgọọgọrun awọn laini data ni oye ni iwo kan; Nígbà tí a kò bá múra sílẹ̀ dáadáa, ó ń ṣi òǹkàwé lọ́nà—àti olùmúrasílẹ̀. Ni fisiksi, iworan kii ṣe “aworan lẹwa” nikan ṣugbọn apakan ti itumọ ti ara ti data: iwọn axis, awọn ọpa aṣiṣe, awọn aami ẹyọkan, ati iru aworan apẹrẹ taara pinnu bi abajade ti ṣe akiyesi. Ninu ẹyọ yii, iwọ yoo kọ ẹkọ bii o ṣe le lo itetisi atọwọda (AI) lati ṣe agbejade awọn aworan onimọ-jinlẹ — ni pataki pẹlu ile-ikawe Python's Matplotlib (ohun elo iyaworan imọ-jinlẹ) — ati bii o ṣe le ṣayẹwo boya aworan kan ṣe afihan fisiksi ni deede. Ilana ipilẹ: AI fa awọnyaya, o ṣayẹwo pe aworan naa ṣe apejuwe fisiksi ni deede ati ni otitọ.
Awọn pataki ti iwọn ijinle sayensi
Aworan ijinle sayensi tabi tabili yẹ ki o sọ diẹ sii ju data lọ, ṣugbọn ko yẹ ki o yi ohunkohun pada. AI ni kiakia ṣe ipilẹṣẹ koodu Matplotlib; ṣugbọn o gbọdọ fa awọn ibeere ti chart otitọ kan:
ohun kan
Kini idi ti o nilo
Aṣiṣe ti o wọpọ
Axis aami + kuro
sọ kini nọmba naa jẹ
Ailopin apa
Iwọn asulu ti o yẹ
Ṣe afihan fisiksi ni deede
Iyatọ aṣeju iwọn pẹlu y-axis ko bẹrẹ lati odo
Awọn ifipa aṣiṣe
Mu ki aidaniloju han
tọju aidaniloju
Iru chart ti o tọ
Ṣe afihan data ni ọna ti o rọrun
Laini fun data lemọlemọfún, iru aṣiṣe fun data ọtọtọ
Iwọn igbasilẹ (ti o ba jẹ dandan)
Ntọkasi iwọn/apin jakejado
Fifun data alapin lori ipo laini
Apejuwe akọle / arosọ
yoo fun o tọ
Koyewa tabi sonu Àlàyé
Igbesẹ nipasẹ igbese: apẹrẹ ijinle sayensi otitọ
1. Pinnu ohun ti o fẹ fi han ati iru ibatan wo ni iwọ yoo tẹnumọ. Ibasepo laini, ibajẹ ti o pọju, pinpin awọn oniyipada meji? Idi pinnu iru chart.
2. Yan awọn ọtun chart iru. Laini fun iṣẹ lilọsiwaju, awọn aaye ti a samisi fun awọn wiwọn ọtọtọ, iwọn log fun alaye iwọn / iwọn jakejado, tuka fun awọn ipinpinpin oniyipada meji. AI le daba rẹ, ṣugbọn o pinnu boya o ni ibamu pẹlu fisiksi.
3. Fi aami si awọn aake pẹlu awọn ẹya wọn ki o yan iwọn ni deede. Iwọn ati ẹyọkan gbọdọ wa lori ipo kọọkan. Bibẹrẹ y-axis kuro lati odo lati ṣẹda abumọ jẹ iparun aiṣootọ.
4. Jẹ ki aidaniloju han. Ṣafikun awọn ifipa aṣiṣe ni data wiwọn; Ti o ba n fa ọna ti o yẹ, ṣafihan aarin igbẹkẹle naa. Fifipamọ aidaniloju tumọ si pe ki data naa dabi diẹ sii ju ti o jẹ lọ.
5. Ṣayẹwo pe aworan naa ṣe afihan fisiksi. Ṣe ite naa wa ni ami ti a reti? Ṣe ikorita ti ara? Njẹ laini taara lori iwe apẹrẹ log kan tọka si ibatan alapọlọpọ gaan bi?
Imọran: Ọna ti o lagbara julọ lati ṣayẹwo fun awọn alapin tabi awọn ibatan ofin agbara ni lati lo iwọn log ti o yẹ. Idibajẹ alapin (N = N₀e ^ (-λt)) funni ni laini to lagbara lori aaye ologbele-logarithmic (log y-axis); Ofin agbara kan (y = a·xⁿ) n funni ni laini taara lori aworan logarithmic ni ilopo, ati ite ti ila taara tọkasi olutayo (n). Ti data rẹ ba tan jade ni awọn aworan wọnyi, o ti jẹrisi iru ibatan naa.
mẹta mini igba
Ọran 1 - Ẹtan ẹtan. Ọmọ ile-iwe kan ni aworan ti a ṣe ni afiwe awọn iwọn meji; YZ ṣe ipilẹṣẹ laifọwọyi y-axis ni iwọn 9.5-9.9. Aworan naa fihan aafo nla laarin awọn eto meji. Nigbati ọmọ ile-iwe ba bẹrẹ ipo lati odo, o rii pe iyatọ jẹ kekere nitootọ - iwọn-iwọn adaṣe ti jẹ ki iyatọ ti ko ṣe pataki wo iyalẹnu. Ti o da lori ọrọ-ọrọ, awọn aṣoju mejeeji le jẹ ẹtọ, ṣugbọn iyatọ gbọdọ jẹ yiyan mimọ.
Ọran 2 - Awọn ifi aṣiṣe ti o padanu. Oluwadi kan ni awọn aaye wiwọn ti a gbero laisi ọpa aṣiṣe; awonya fihan wipe ọkan data ojuami "significantly yapa" lati yii. Nigbati a ba ṣafikun awọn ifipa aṣiṣe, ẹgbẹ aidaniloju ni aaye yẹn han lati sọdá ohun titẹ yii ni itunu — ko si iyapa. Laisi awọn ifi aṣiṣe, chart yoo ja si ipari ti ko tọ.
Irú 3 - Log asekale timo. Olukọni ṣe ipinnu data ibajẹ ipanilara lori ipo laini; awọn ti tẹ wò bi "nkankan" sugbon iru je koyewa. Nigbati Mo beere lọwọ AI fun ayaworan ologbele-log kan, data naa ṣubu sinu laini taara, ibajẹ ti o pọju jẹ timo, ati igbagbogbo ibajẹ ni a ka lati oke ti laini naa.
Mẹrin daakọ awọn awoṣe
1) Apẹrẹ imọ-jinlẹ pẹlu ọpa aṣiṣe:
Kọ koodu ti o ṣe igbero data wiwọn wọnyi ([x, y, y-aidaniloju]) pẹlu Matplotlib. Ṣe afihan awọn aaye pẹlu awọn ifi aṣiṣe. Aami ipo kọọkan pẹlu titobi ATI ẹyọkan. Ṣafikun akọle ti o yẹ ati arosọ. Jeki awọn y-apakan laarin kan ti ara itẹ ibiti o; jina lati odo initialization fun exaggeration.
2) Wọle chart ti o jẹrisi iru ibatan:
Kọ koodu ti o ṣe igbero data atẹle ni laini ati lori iwọn log ti o yẹ (igi ologbele tabi iwe-ilọpo meji). Ni iwọn eyikeyi ti data ba baamu si laini taara, sọ ohun ti eyi sọ nipa iru ibatan (ofin alaye / agbara). Ṣe iṣiro paramita ti ara ti iwulo lati ite ti ila naa.
3) Harmony + data papọ:
Kọ koodu ti o ṣe igbero awọn aaye wiwọn (pẹlu awọn ifi aṣiṣe) ati ọna ti ara awoṣe ti o baamu lori wọn lori aworan kanna. Ṣe afihan awọn paramita awoṣe pẹlu awọn aidaniloju wọn ninu arosọ. Idite awọn iṣẹku ni lọtọ subplot. Data ati awọn ẹya: [nibi]
4) Ayẹwo iṣotitọ ayaworan:
Ṣayẹwo koodu aworan atọka atẹle fun iduroṣinṣin ti imọ-jinlẹ: Njẹ awọn ẹya aṣisi wa, jẹ ṣinalọna iwọn, jẹ aidaniloju han, jẹ iru aworan apẹrẹ yẹ si data naa? Ti iṣoro kan ba wa, fun koodu atunṣe. Koodu: [nibi]
Ailagbara kiakia / Alagbara kiakia
Alailagbara: "Ya aworan kan lati inu data yii."
Abajade: awọn aake alailẹgbẹ, ko si aibikita, iwọn aifọwọyi ati boya ṣinilona; Atẹle naa le ma ṣe afihan fisiksi ni pipe.
Strong: "Plot yi (t, N, δN) data ibajẹ pẹlu Matplotlib: Idite awọn ojuami pẹlu δN aṣiṣe ifi, Isami awọn aake 'Aago (s)' ati 'Ka (ka)'. Tun Idite a ologbele-log version ki awọn exponential ibasepo han bi a ila gbooro. Awọn y-apakan bẹrẹ ni odo. "
Esi: Iwoye otitọ pẹlu iwọn didun, fifihan aidaniloju, ifẹsẹmulẹ iru ibatan.
Awọn aṣiṣe ti o wọpọ
- Nlọ awọn ãke lai sipo. Opo kan laisi awọn ẹya jẹ ki aworan naa jẹ ki a ko le ka ni imọ-jinlẹ.
- Ṣiṣẹda exggeration pẹlu asekale. ni aimọkan ti o bẹrẹ aaye y kuro lati odo ati ṣiṣe awọn iyatọ ti ko ṣe pataki han ti o yanilenu; Yiyan ti iwọn gbọdọ jẹ mimọ.
- Ìbòmọlẹ aidaniloju. Aworan wiwọn laisi ọpa aṣiṣe bori data naa o si ṣẹda sami eke ti iyapa/dara.
- Iru chart ti ko tọ. Darapọ mọ awọn wiwọn ọtọtọ pẹlu laini to lagbara tabi data apilẹṣẹ squishing lẹgbẹẹ ipo ila laini paarọ fisiksi.
- Ohun ọṣọ ti o pọju. Awọn ipa 3D ti ko wulo, ọpọlọpọ awọn awọ ati awọn ọṣọ tọju data; Aworan ijinle sayensi yẹ ki o rọrun ati otitọ.
Išọra: Aworan kan jẹ idaniloju - ati pe idi ni pato idi ti o fi lewu. Apẹrẹ ti a ṣe daradara le jẹ ki o dabi pe o ni aṣa nibiti ko si tabi pe ko si aidaniloju gidi. Ìwà títọ́ sáyẹ́ǹsì nílò ìṣàfihàn àwọn dátà ní àwòrán bí ó ti rí (pẹlu àìdánilójú, ní ìwọ̀n òtítọ́). Aworan AI ti o wuyi ti ipilẹṣẹ kii ṣe aropo fun ayẹwo iṣotitọ yii; Ṣayẹwo chart naa funrararẹ ṣaaju titẹ sita.
Ni akojọpọ
Iwoye imọ-jinlẹ jẹ pataki si itumọ ti ara ti data ati pe o ṣe ipilẹṣẹ koodu AI Matplotlib ni iyara. Ṣugbọn o gbọdọ fa awọn ibeere ti chart otitọ - awọn aake pẹlu awọn iwọn, iwọn ooto, aidaniloju ti o han, iru aworan apẹrẹ ti o yẹ. Awọn irẹjẹ log jẹ ohun elo ti o lagbara ni ifẹsẹmulẹ iru ibatan. Awọn iwọn idaniloju diẹ sii, diẹ sii pataki ayẹwo iṣotitọ jẹ. Ninu ẹyọ ti o tẹle, a yoo yi idojukọ lati data ati awọn aworan si awọn iwe-iwe - atunyẹwo iwe ati kikọ imọ-jinlẹ.
Ohun elo iṣẹ-ṣiṣe
Yan eto data ti o ni tabi ti ṣejade (daradara ọkan ti o ni alapọ tabi ibatan laini ninu). Jẹ ki AI ya aworan ẹyọ kan pẹlu awọn ifi aṣiṣe pẹlu awoṣe 1st ati ayaworan log ti o dara pẹlu awoṣe 2nd ki o ṣiṣẹ. Ṣe akiyesi boya iru ibatan jẹ timo ninu chart log. Lẹhinna mọọmọ bẹrẹ y-axis ni oriṣiriṣi ki o wo bii data kanna ṣe le sọ “awọn itan” oriṣiriṣi. Kọ si isalẹ ni awọn gbolohun ọrọ 5-6.
akojọ ayẹwo
- [] Mo ti pinnu idi ti chart naa ati ibatan ti yoo ṣe afihan.
- [] Mo ti yan iru chart ti o yẹ si data naa.
- [] Mo ti samisi ipo kọọkan pẹlu titobi ati ẹyọkan rẹ.
- [] Mo ti yan iwọn ni deede; Emi ko daruko o fun àsọdùn.
- [] Mo ti ṣe afihan aidaniloju wiwọn pẹlu awọn ifi aṣiṣe.
- [] Mo ṣayẹwo pe aworan naa ṣe afihan fisiksi ni deede.