Python+经济学:成本函数与图像
前言:
本文可以说是上一篇文章的“姊妹篇”,同样利用一元二次函数图像的性质,构造边际成本函数(Marginal Cost Function),然后在此基础上还原各种成本函数。为了让函数构造更加精准。笔者首先进行了一个简单的函数绘图作为调试环节。
调试环节——简单的一元二次函数与其轴对称图形绘制:
函数1: Y1=-X²+50X
函数2: Y2=-X²-50X
函数3: Y3=X²-50X+750
Y1与Y2关于x轴对称,而Y3则确保Y2上移后最小值大于零。
调试环节的代码实现:
import matplotlib.pyplot as plt import numpy as np #调试语句,判断Y3图形位置 n = 200 X = np.linspace(0,50,n) Y1 = [] Y2 = [] Y3 = [] for i in range(len(X)): x = X[i] y1 = -(x**2)+50*x y2 = (x**2)-50*x y3 = (x**2)-50*x+750 Y1.append(y1) Y2.append(y2) Y3.append(y3) fig = plt.figure(1) ax1 = plt.subplot(111) ax1.plot(X, Y1,'r',label='y1=-x^2+50x') ax1.plot(X, Y2,'g',label='y2=x^2-50x') ax1.plot(X, Y3,'b',label='y3=x^2-50x+750') ax1.set_xlabel('X') ax1.set_ylabel('Y') ax1.spines['top'].set_visible(False) ax1.spines['right'].set_visible(False) ax1.spines['bottom'].set_position(('data', 0)) ax1.spines['left'].set_position(('data',0)) plt.legend(['y1=-x^2+50x','y2=x^2-50x','y3=x^2-50x+750']) plt.show()
调试环节效果:
接下来将函数3作为边际成本函数(MC),并加上固定(不变成本),构造TC/TFC/TVC/AC/AVC/AFC等相关函数。
边际成本: MC=Q²-50Q+750
总不变成本: TFC=1000
成本函数代码实现:
import matplotlib.pyplot as plt import numpy as np #成本函数参数设定 m = 100 Quantity = np.linspace(1,50,m) MC = [] TC = [] TFC = [] AC = [] AVC = [] AFC = [] for j in range(len(Quantity)): q = Quantity[j] tfc = 1000 mc = (q**2) -50*q+750 tvc =(1/3)*q**3-25*q**2+750*q tc = tvc + tfc afc = tfc/q avc = tvc/q ac = tc/q MC.append(mc) TC.append(tc) TFC.append(tfc) AC.append(ac) AVC.append(avc) AFC.append(afc) #第一个图,输出总成本、边际成本、平均成本、平均可变成本 fig = plt.figure(2,figsize=(8,8)) ax2 = plt.subplot(211) #总成本线为红色 ax2.plot(Quantity, TC,'red',label='Total Cost') ax2.set_xlabel('Quantity') ax2.set_ylabel('Cost') ax2.spines['top'].set_visible(False) ax2.spines['right'].set_visible(False) ax2.spines['bottom'].set_position(('data', 0)) ax2.spines['left'].set_position(('data',0)) plt.legend(['Total Cost']) ax3 = plt.subplot(212) #边际成本线为蓝色 ax3.plot(Quantity, MC,'blue',label='Marginal Cost') #平均成本线为绿色 ax3.plot(Quantity, AC,'green',label='Average Cost') #平均可变成本线为深粉色 ax3.plot(Quantity, AVC,'hotpink',label='Average Variable Cost') ax3.set_xlabel('Quantity') ax3.set_ylabel('Cost') ax3.spines['top'].set_visible(False) ax3.spines['right'].set_visible(False) ax3.spines['bottom'].set_position(('data', 0)) ax3.spines['left'].set_position(('data',0)) plt.legend(['Marginal Cost','Average Cost','Average Variable Cost']) #第二个图,输出总不变成本与平均不变成本 fig = plt.figure(3) ax4 = plt.subplot(111) #总不变成本线为棕色 ax4.plot(Quantity, TFC,'brown',label='Total Fixed Cost') #平均不变成本线为金黄色 ax4.plot(Quantity, AFC,'gold',label='Average Fixed Cost') ax4.set_xlabel('Quantity') ax4.set_ylabel('Cost') ax4.spines['top'].set_visible(False) ax4.spines['right'].set_visible(False) ax4.spines['bottom'].set_position(('data', 0)) ax4.spines['left'].set_position(('data',0)) plt.legend(['Total Fixed Cost','Average Fixed Cost']) plt.show()
成本函数图形:
MC曲线从下往上依次穿过AVC曲线和AC曲线
总不变成本与平均不变成本,AFC的大小代表AVC和AC曲线之间的距离
Python+经济学:成本函数与图像相关推荐
- python中label函数_图像分析函数:skimage.measure中的label、regionprops
算法解释详细,有算法执行过程动态GIF图的:https://blog.csdn.net/icvpr/article/details/10259577 算法文字解释的简介易懂的:https://www. ...
- python中减法运算函数_OpenCV-Python图像的减法运算cv2.subtract函数详解以及和矩阵减...
OpenCV-Python图像的减法运算cv2.subtract函数详解以及和矩阵减 OpenCV-Python图像的减法运算cv2.subtract函数详解以及和矩阵减法的差异对比 ? ? 前往老猿 ...
- python内置函数绝对值图像_Python内置函数
内置函数清单 1.abs() 求数字的绝对值 2.all() 判断集合元素是否都为True,都为True时返回True,否则返回False. 3.any() 判断集合元素是否都为F ...
- python画二元函数的图像(3D)
直接看代码吧 from mpl_toolkits.mplot3d import Axes3D import numpy as np from matplotlib import pyplot as p ...
- python 画三维函数图-Python之Numpy:二元函数绘制/三维数据可视化/3D
意义 在机器学习任务中选择计算模型或者学习数学时,可视化有助于研究函数值的变化趋势(观察收敛.分布.几何形状等),带来直观的感受. 源码 # 绘制二元函数 # 参考文献 # + python画二元函数 ...
- python中sigmoid函数_机器学习中 Sigmoid 函数的物理含义
讨论范围:二分类问题 只有 2 个分类的情况,logistic 曲线可以简化为 又叫 sigmoid 函数. 1. Python 画 Sigmoid 函数的图像 import numpy as np ...
- python使用openCV图像加载(转化为灰度图像)、使用filter2D函数对图像进行锐化(Sharpen Images)
python使用openCV图像加载(转化为灰度图像).使用filter2D函数对图像进行锐化(Sharpen Images) 目录
- python机器学习案例系列教程——优化,寻找使成本函数最小的最优解
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 举个例子我们来了解一下优化问题,学校为2n个同学分配n个宿舍,每个宿舍两个床铺,每个同学提交了自己最想住的宿舍和其次想住的宿舍(只选房 ...
- Python实现绘制函数图像——以Sigmoid函数为例
在深度学习的研究中,我们经常需要知道激活函数(阶跃函数)的图像,以此判断该神经网络的阈值,并更好的去对权重进行调整.但对于某些复杂的复合函数而言,我们非常困难手画出它的函数图像,这样不仅费时费力,而且 ...
最新文章
- Docker搭建网页数据库管理-Adminer
- 浅析中科红旗的生与死
- initBuilder注解接收多个对象
- 进入页面先刷新一次_转盘抽奖分享得积分,防止页面被恶意
- jquery获取表格中特定列
- lisp封装成vla函数_[良心教程]分享最新最实用的按键精灵封装函数
- 4——编码规则以及vim的使用和虚拟环境
- Bzoj3894文理分科
- Notepad工具json格式转换
- stm32收发 wiegand 韦根协议开发详解
- python之微信自动恢复
- 小游戏开发者流量变现指南
- 通达信l2行情接口怎么用?
- 卷积神经网络(三)-ZF-Net和VGG-Nets
- java中not equal_Java ObjectUtils.notEqual方法代码示例
- 亚马逊电商可以用阿里云服务器吗
- c++基础三 (数组——指针)
- openGL增强表面细节--凹凸贴图具体实现
- keras搭建简单CNN模型实现kaggle比赛数字识别
- 微信界面Android实现
热门文章
- markdown 合并单元格
- 次世代学习入门方法,个人学习的感悟
- WhatsApp聊天如何翻译 外贸出海翻译
- 安卓开发陀螺仪!首发10万字Android开发实战文档,进阶学习资料!
- Xcode添加ipone设备、通过数据线安装应用到Ipone上
- java留守儿童首页代码_基于jsp的关爱留守儿童网-JavaEE实现关爱留守儿童网 - java项目源码...
- 【李宏毅机器学习】adversarial attack 对抗攻击
- AV1代码学习3:函数aom_codec_encode
- 1. awk基础,awk介绍,awk基本语法,直接使用action,打印列,初识列和行,\$0、\$NF、NF,基础示例,begin模式,end模式
- 微信朋友圈怎样推广,一张思维导图告诉大家