def plot(self,
euler_angles=True,
nutation_angle=True,
longitudinal_axis=True,
show_plot=False,
save_plot=True,
filepath=os.path.join(os.path.expanduser('~'), 'SpinFigures'),
filenames=['Euler.png', 'Nut.png', 'Axis.png']):
"""Plots figures and saves them to file by default. All arguments are optional and can be changed if necessary.
"""
if euler_angles:
plot.plot_euler_angles(self.t_span, self.psi, self.theta, self.phi)
if save_plot:
if not os.path.exists(filepath):
os.makedirs(filepath)
plot.save_plot(os.path.join(filepath, filenames[0]))
if nutation_angle:
plot.plot_nutation_angle(self.t_span, self.nutation_angle)
if save_plot:
if not os.path.exists(filepath):
os.makedirs(filepath)
plot.save_plot(os.path.join(filepath, filenames[1]))
if longitudinal_axis:
plot.plot_longitudinal_axis(self.t_span, self.nutation_angle,
self.precession_angle)
if save_plot:
if not os.path.exists(filepath):
os.makedirs(filepath)
plot.save_plot(os.path.join(filepath, filenames[2]))
if show_plot:
plot.show_plot()
def main():
# parse command line arguments and parse function
parsed = parse_args()
func = make_func(parsed.func)
# optimize 2d parameter vector v of function
path = optimize(func, parsed.start, parsed.num_iter, parsed.lr,
parsed.beta_g, parsed.beta_h, parsed.hessian_pow,
parsed.num_samples)
# plot function and steps of optimizer
plot_function(func, parsed.window)
plot_path(path)
show_plot()
def train_iters(input_lang,
output_lang,
pairs,
encoder,
decoder,
n_iters,
print_every=1000,
plot_every=100,
learning_rate=0.01):
start = time.time()
plot_losses = []
print_loss_total = 0 # Reset every print_every
plot_loss_total = 0 # Reset every plot_every
encoder_optimizer = optim.SGD(encoder.parameters(), lr=learning_rate)
decoder_optimizer = optim.SGD(decoder.parameters(), lr=learning_rate)
training_pairs = [
tensors_from_pair(input_lang, output_lang, random.choice(pairs))
for i in range(n_iters)
]
criterion = nn.NLLLoss()
for iter in range(1, n_iters + 1):
training_pair = training_pairs[iter - 1]
input_tensor = training_pair[0]
target_tensor = training_pair[1]
loss = train(input_tensor, target_tensor, encoder, decoder,
encoder_optimizer, decoder_optimizer, criterion)
print_loss_total += loss
plot_loss_total += loss
if iter % print_every == 0:
print_loss_avg = print_loss_total / print_every
print_loss_total = 0
print('%s (%d %d%%) %.4f' %
(time_since(start, iter / n_iters), iter,
iter / n_iters * 100, print_loss_avg))
if iter % plot_every == 0:
plot_loss_avg = plot_loss_total / plot_every
plot_losses.append(plot_loss_avg)
plot_loss_total = 0
show_plot(plot_losses)
def just_do_it(cp):
###############################################################################
# Stimmungsbarometer holen, auspacken und zeichnen
###############################################################################
Stimmungsbarometer.main(cp)
fig = figure()
ax = fig.add_subplot(111)
result_set_stimmung = Stimmungsbarometer.main(cp)
datum_tats_kurse = result_set_stimmung[0][0]
tats_kurse = result_set_stimmung[0][1]
anzahl_buy = result_set_stimmung[1][0][0][0]
prozent_buy = result_set_stimmung[1][0][0][1]
mittlere_trefferquote_buy = result_set_stimmung[1][0][0][2]
anzahl_sell = result_set_stimmung[1][0][1][0]
prozent_sell = result_set_stimmung[1][0][1][1]
mittlere_trefferquote_sell = result_set_stimmung[1][0][1][2]
anzahl_neutral = result_set_stimmung[1][0][2][0]
prozent_neutral = result_set_stimmung[1][0][2][1]
mittlere_trefferquote_neutral = result_set_stimmung[1][0][2][2]
print "buy: ", anzahl_buy
print "sell: " ,anzahl_sell
print "neutral: " ,anzahl_neutral
print
print
print "%f Prozent aller Analysten sagen Buy!" %(prozent_buy)
print "Mittlere Trefferquote derer die Buy sagen: %f" %(mittlere_trefferquote_buy)
print
print "%f Prozent aller Analysten sagen Sell!" %(prozent_sell)
print "Mittlere Trefferquote derer die Sell sagen: %f" %(mittlere_trefferquote_sell)
print
print "%f Prozent aller Analysten sagen Neutral!" %(prozent_neutral)
print "Mittlere Trefferquote derer die Neutral sagen: %f" %(mittlere_trefferquote_neutral)
prognose_punkte_buy = result_set_stimmung[2][0][0][0]
punkte_datum_buy = result_set_stimmung[2][0][0][1]
prognose_punkte_sell = result_set_stimmung[2][0][1][0]
punkte_datum_sell = result_set_stimmung[2][0][1][1]
prognose_punkte_neutral = result_set_stimmung[2][0][2][0]
punkte_datum_neutral = result_set_stimmung[2][0][2][1]
mittelwertkurve_buy = result_set_stimmung[2][0][3][0]
mittelwertkurve_datum_buy = result_set_stimmung[2][0][3][1]
mittelwertkurve_sell = result_set_stimmung[2][0][4][0]
mittelwertkurve_datum_sell = result_set_stimmung[2][0][4][1]
mittelwertkurve_neutral = result_set_stimmung[2][0][5][0]
mittelwertkurve_datum_neutral = result_set_stimmung[2][0][5][1]
plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig)
plot.plot_future_unbekannt(prognose_punkte_buy, punkte_datum_buy,'#00FF00',ax,fig)
plot.plot_future_unbekannt(prognose_punkte_sell, punkte_datum_sell,'#FF0000',ax,fig)
plot.plot_future_unbekannt(prognose_punkte_neutral, punkte_datum_neutral,'#FFFF00',ax,fig)
plot.plot_trend(mittelwertkurve_datum_buy,mittelwertkurve_buy,'#00FF00',ax,fig)
plot.plot_trend(mittelwertkurve_datum_sell,mittelwertkurve_sell,'#FF0000',ax,fig)
plot.plot_trend(mittelwertkurve_datum_neutral,mittelwertkurve_neutral,'#FFFF00',ax,fig)
plot.show_plot(ax,fig)
###############################################################################
# Prognose nach aktuellen analysten holen, auspacken und zeichnen
###############################################################################
fig = figure()
ax = fig.add_subplot(111)
result_set_prog_ind_analyst = prognose_nach_aktuellen_Analysten.main(cp)
konfidenz_intervall_95_sigma_oben = result_set_prog_ind_analyst[0][0]
datum_konfidenz_intervall_95_sigma_oben = result_set_prog_ind_analyst[0][1]
konfidenz_intervall_95_sigma_unten = result_set_prog_ind_analyst[1][0]
datum_konfidenz_intervall_95_sigma_unten = result_set_prog_ind_analyst[1][1]
datum_tats_kurse = result_set_prog_ind_analyst[2][0]
tats_kurse = result_set_prog_ind_analyst[2][1]
prognose_kurse_analysten = result_set_prog_ind_analyst[3][0]
datum_prognosekurse_analysten = result_set_prog_ind_analyst[3][1]
unsere_prognose_linie_kurse = result_set_prog_ind_analyst[4][0]
datum_unsere_prognose_linie = result_set_prog_ind_analyst[4][1]
datum_unsere_prognose_punkte = result_set_prog_ind_analyst[5][0]
unsere_prognose_punkte_kurse = result_set_prog_ind_analyst[5][1]
sigma = result_set_prog_ind_analyst[6]
print sigma
plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig)
plot.plot_future(prognose_kurse_analysten,datum_prognosekurse_analysten,'yellow',ax,fig)
plot.plot_own_forecast_line(unsere_prognose_linie_kurse, datum_unsere_prognose_linie,sigma,ax,fig)
plot.plot_own_forecast_points(datum_unsere_prognose_punkte,unsere_prognose_punkte_kurse,ax,fig)
plot.show_plot(ax,fig)
######################################################
# Test : Prognose nach aktuellen analysten
###################################################
fig = figure()
ax = fig.add_subplot(111)
result_set_test_prog_ind_analyst = test_prognose_nach_aktuellen_Analysten.main(cp)
konfidenz_intervall_95_sigma_oben = result_set_test_prog_ind_analyst[0][0]
datum_konfidenz_intervall_95_sigma_oben = result_set_test_prog_ind_analyst[0][1]
konfidenz_intervall_95_sigma_unten = result_set_test_prog_ind_analyst[1][0]
datum_konfidenz_intervall_95_sigma_unten = result_set_test_prog_ind_analyst[1][1]
datum_tats_kurse = result_set_test_prog_ind_analyst[2][0]
tats_kurse = result_set_test_prog_ind_analyst[2][1]
prognose_kurse_analysten = result_set_test_prog_ind_analyst[3][0]
datum_prognosekurse_analysten = result_set_test_prog_ind_analyst[3][1]
unsere_prognose_linie_kurse = result_set_test_prog_ind_analyst[4][0]
datum_unsere_prognose_linie = result_set_test_prog_ind_analyst[4][1]
datum_unsere_prognose_punkte = result_set_test_prog_ind_analyst[5][0]
unsere_prognose_punkte_kurse = result_set_test_prog_ind_analyst[5][1]
standardabweichung = result_set_test_prog_ind_analyst[6]
standardfehler = result_set_test_prog_ind_analyst[7]
plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig)
plot.plot_future(prognose_kurse_analysten,datum_prognosekurse_analysten,'yellow',ax,fig)
plot.plot_own_forecast_line(unsere_prognose_linie_kurse, datum_unsere_prognose_linie,standardabweichung,ax,fig)
plot.plot_own_forecast_points(datum_unsere_prognose_punkte,unsere_prognose_punkte_kurse,ax,fig)
plot.show_plot(ax,fig)
######################################################
# Prognose nach sämtlichen Analysten
###################################################
fig = figure()
ax = fig.add_subplot(111)
result_set_alle_analysten = prognose_nach_saemtlichen_prognosen_aller_Analysten_ab_2010.main(cp)
training_konfidenz_intervall_95_sigma_oben_kurse = result_set_alle_analysten[0][0]
training_konfidenz_intervall_95_sigma_oben_datum = result_set_alle_analysten[0][1]
training_konfidenz_intervall_95_sigma_unten_kurse = result_set_alle_analysten[1][0]
training_konfidenz_intervall_95_sigma_unten_datum = result_set_alle_analysten[1][1]
testing_konfidenz_intervall_95_sigma_oben_kurse = result_set_alle_analysten[2][0]
testing_konfidenz_intervall_95_sigma_oben_datum = result_set_alle_analysten[2][1]
testing_konfidenz_intervall_95_sigma_unten_kurse = result_set_alle_analysten[3][0]
testing_konfidenz_intervall_95_sigma_unten_datum = result_set_alle_analysten[3][1]
prognose_konfidenz_intervall_95_sigma_oben_kurse = result_set_alle_analysten[4][0]
prognose_konfidenz_intervall_95_sigma_oben_datum = result_set_alle_analysten[4][1]
prognose_konfidenz_intervall_95_sigma_unten_kurse = result_set_alle_analysten[5][0]
prognose_konfidenz_intervall_95_sigma_unten_datum = result_set_alle_analysten[5][1]
datum_tats_kurse = result_set_alle_analysten[6][0]
tats_kurse = result_set_alle_analysten[6][1]
prognose_kurse_analysten = result_set_alle_analysten[7][0]
datum_prognosekurse_analysten = result_set_alle_analysten[7][1]
training_unsere_vorhersage_linie_kurs = result_set_alle_analysten[8][0]
training_unsere_vorhersage_linie_datum = result_set_alle_analysten[8][1]
testing_unsere_vorhersage_linie_kurs = result_set_alle_analysten[9][0]
testing_unsere_vorhersage_linie_datum = result_set_alle_analysten[9][1]
prognose_unsere_vorhersage_linie_kurs = result_set_alle_analysten[10][0]
prognose_unsere_vorhersage_linie_datum = result_set_alle_analysten[10][1]
konsistenz_sigma = result_set_alle_analysten[11]
validity_sigma = result_set_alle_analysten[12]
prognosis_sigma = result_set_alle_analysten[13]
plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig)
plot.plot_own_forecast_line_2(training_unsere_vorhersage_linie_kurs,training_unsere_vorhersage_linie_datum ,konsistenz_sigma,'green',ax,fig)
plot.plot_own_forecast_line_2(testing_unsere_vorhersage_linie_kurs,testing_unsere_vorhersage_linie_datum ,validity_sigma,'yellow',ax,fig)
plot.plot_own_forecast_line_2(prognose_unsere_vorhersage_linie_kurs,prognose_unsere_vorhersage_linie_datum,prognosis_sigma,'red',ax,fig)
plot.plot_future(prognose_kurse_analysten,datum_prognosekurse_analysten,'yellow',ax,fig)
plot.show_plot(ax,fig)
mittelwertkurve_datum_sell = result_set_stimmung[2][0][4][1]
mittelwertkurve_neutral = result_set_stimmung[2][0][5][0]
mittelwertkurve_datum_neutral = result_set_stimmung[2][0][5][1]
plot.plot_avg(datum_tats_kurse,tats_kurse,ax,fig)
plot.plot_future_unbekannt(prognose_punkte_buy, punkte_datum_buy,'#00FF00',ax,fig)
plot.plot_future_unbekannt(prognose_punkte_sell, punkte_datum_sell,'#FF0000',ax,fig)
plot.plot_future_unbekannt(prognose_punkte_neutral, punkte_datum_neutral,'#FFFF00',ax,fig)
plot.plot_trend(mittelwertkurve_datum_buy,mittelwertkurve_buy,'#00FF00',ax,fig)
plot.plot_trend(mittelwertkurve_datum_sell,mittelwertkurve_sell,'#FF0000',ax,fig)
plot.plot_trend(mittelwertkurve_datum_neutral,mittelwertkurve_neutral,'#FFFF00',ax,fig)
plot.show_plot(ax,fig)
###############################################################################
# Prognose nach aktuellen analysten holen, auspacken und zeichnen
###############################################################################
fig = figure()
ax = fig.add_subplot(111)
result_set_prog_ind_analyst = prognose_nach_aktuellen_Analysten.main(cp,conn,cursor)
konfidenz_intervall_95_sigma_oben = result_set_prog_ind_analyst[0][0]
datum_konfidenz_intervall_95_sigma_oben = result_set_prog_ind_analyst[0][1]
konfidenz_intervall_95_sigma_unten = result_set_prog_ind_analyst[1][0]
from package_simulation import simulate_packages
from scheduling import round_robin, fair_queuing
print('# =============== #')
print('# Scheduling Plot #')
print('# =============== #')
print('© Dominic Plein 11/2020')
# Plot
fig, (ax1, ax2, ax3, ax4, ax5) = plot.init_plot()
# Packages
sources, max_end_time = simulate_packages(15, 40, 10)
plot.plot_broken_barh(ax1, 'Eintreffende Pakete', sources, max_end_time)
# Round Robin (abbreviated as rr)
sources_rr, diff_rr, max_end_time_rr, data_rr = round_robin(deepcopy(sources))
plot.plot_broken_barh(ax2, 'Round-Robin', sources_rr, max_end_time_rr, diff_rr)
plot.plot_scatter(ax4, 'Round-Robin (Auswertung)', data_rr)
# Fair Queuing (abbreviated as fq)
sources_fq, diff_fq, max_end_time_fq, data_fq = fair_queuing(deepcopy(sources))
plot.plot_broken_barh(ax3, 'Fair Queuing', sources_fq, max_end_time_fq,
diff_fq)
plot.plot_scatter(ax5, 'Fair Queuing (Auswertung)', data_fq)
# Plot
ax1.set_xlim(0, max(max_end_time_rr, max_end_time_fq))
plot.save(fig)
plot.show_plot()
'|x_k-x_{k+1}|'
])
for row in iterations:
table.add_row(create_iterative_method_row(func, row))
if (output_mode == OUTPUT_FILE):
write_output_to_file(output_filename, [
"Найденное решение: {}".format(result.point),
"Значение в этой точке: {}".format(result.value),
"Количество итераций: {}".format(result.iterations_count),
table.get_string() if args.verbose else ''
])
save_plot_in_file("plot.png")
else:
print("Найденное решение: {}".format(result.point))
print("Значение в этой точке: {}".format(result.value))
print("Количество итераций: {}".format(
result.iterations_count))
if args.verbose:
print(table)
show_plot()
except IllegalConditionException as e:
print(e)
if (output_mode == OUTPUT_FILE):
save_plot_in_file("plot.png")
else:
show_plot()
print("Введите интервал(для выхода наберите exit):")
interval = loop_read_interval_from_stdin(stdin)
except Exception as e:
print("Произошла ошибка:")
print(e)
