Uporządkowanie wykresów

wyk/02_Jezyki.org

@@ -100,7 +100,7 @@ OrderedDict([(' ', 63444), ('a', 30979), ('i', 29353), ('e', 25343), ('o', 23050
 
      plt.bar(freq.keys(), freq.values())
 
-     fname = f'{name}.png'
+     fname = f'02_Jezyki/{name}.png'
 
      plt.savefig(fname)
 
@@ -110,7 +110,7 @@ OrderedDict([(' ', 63444), ('a', 30979), ('i', 29353), ('e', 25343), ('o', 23050
 #+END_SRC
 
 #+RESULTS:
-[[file:]]
+[[file:02_Jezyki/pt-chars.png]]
 
 *** Słowa
 
@@ -143,7 +143,7 @@ Zobaczmy 20 najczęstszych wyrazów.
 #+END_SRC
 
 #+RESULTS:
-[[file:pt-words-20.png]]
+[[file:02_Jezyki/pt-words-20.png]]
 
 Zobaczmy pełny obraz, już bez etykiet.
 
@@ -157,7 +157,7 @@ Zobaczmy pełny obraz, już bez etykiet.
      plt.figure().clear()
      plt.plot(range(1, len(freq.values())+1), freq.values())
 
-     fname = f'{name}.png'
+     fname = f'02_Jezyki/{name}.png'
 
      plt.savefig(fname)
 
@@ -167,7 +167,7 @@ Zobaczmy pełny obraz, już bez etykiet.
 #+END_SRC
 
 #+RESULTS:
-[[file:pt-words.png]]
+[[file:02_Jezyki/pt-words.png]]
 
 Widać, jak różne skale obejmuje ten wykres. Zastosujemy logartm,
 najpierw tylko do współrzędnej y.
@@ -182,7 +182,7 @@ najpierw tylko do współrzędnej y.
      plt.figure().clear()
      plt.plot(range(1, len(freq.values())+1), [log(y) for y in freq.values()])
 
-     fname = f'{name}.png'
+     fname = f'02_Jezyki/{name}.png'
 
      plt.savefig(fname)
 
@@ -192,7 +192,7 @@ najpierw tylko do współrzędnej y.
 #+END_SRC
 
 #+RESULTS:
-[[file:pt-words-log.png]]
+[[file:02_Jezyki/pt-words-log.png]]
 
 **Pytanie** Dlaczego widzimy coraz dłuższe „schodki”?
 
@@ -232,7 +232,7 @@ Tę własność tekstów nazywamy **prawem Zipfa**.
      plt.figure().clear()
      plt.plot([log(x) for x in range(1, len(freq.values())+1)], [log(y) for y in freq.values()])
 
-     fname = f'{name}.png'
+     fname = f'02_Jezyki/{name}.png'
 
      plt.savefig(fname)
 
@@ -242,7 +242,7 @@ Tę własność tekstów nazywamy **prawem Zipfa**.
 #+END_SRC
 
 #+RESULTS:
-[[file:pt-words-log-log.png]]
+[[file:02_Jezyki/pt-words-log-log.png]]
 
 *** Związek między frekwencją a długością
 
@@ -257,7 +257,7 @@ częstością użycia słowa a jego długością. Generalnie im krótsze słowo,
       plt.scatter([len(x) for x in freq.keys()], [log(y) for y in freq.values()],
                   facecolors='none', edgecolors='r')
 
-      fname = f'{name}.png'
+      fname = f'02_Jezyki/{name}.png'
 
       plt.savefig(fname)
 
@@ -267,7 +267,7 @@ częstością użycia słowa a jego długością. Generalnie im krótsze słowo,
 #+END_SRC
 
 #+RESULTS:
-[[file:pt-lengths.png]]
+[[file:02_Jezyki/pt-lengths.png]]
 
 ** N-gramy
 
@@ -322,7 +322,7 @@ Zawsze powinniśmy się upewnić, czy jest jasne, czy chodzi o n-gramy znakowe c
 #+END_SRC
 
 #+RESULTS:
-[[file:pt-3-char-ngrams-log-log.png]]
+[[file:02_Jezyki/pt-3-char-ngrams-log-log.png]]
 
 *** 2-gramy wyrazowe
 
@@ -331,7 +331,7 @@ Zawsze powinniśmy się upewnić, czy jest jasne, czy chodzi o n-gramy znakowe c
 #+END_SRC
 
 #+RESULTS:
-[[file:pt-2-word-ngrams-log-log.png]]
+[[file:02_Jezyki/pt-2-word-ngrams-log-log.png]]
 
 ** Tajemniczy język Manuskryptu Wojnicza
 
@@ -367,6 +367,7 @@ dramatycznie na analizę statystyczną.
 
 #+RESULTS:
 :results:
+9 OR 9FAM ZO8 QOAR9 Q*R 8ARAM 29 [O82*]OM OPCC9 OP
 :end:
 
 #+BEGIN_SRC python :session mysession :results file
@@ -374,28 +375,28 @@ dramatycznie na analizę statystyczną.
 #+END_SRC
 
 #+RESULTS:
-[[file:voy-chars.png]]
+[[file:02_Jezyki/voy-chars.png]]
 
 #+BEGIN_SRC python :session mysession :results file
   log_rang_log_freq('voy-log-log', get_words(voynich))
 #+END_SRC
 
 #+RESULTS:
-[[file:voy-log-log.png]]
+[[file:02_Jezyki/voy-log-log.png]]
 
 #+BEGIN_SRC python :session mysession :results file
   rang_freq_with_labels('voy-words-20', get_words(voynich), top=20)
 #+END_SRC
 
 #+RESULTS:
-[[file:voy-words-20.png]]
+[[file:02_Jezyki/voy-words-20.png]]
 
 #+BEGIN_SRC python :session mysession :results file
     log_rang_log_freq('voy-words-log-log', get_words(voynich))
 #+END_SRC
 
 #+RESULTS:
-[[file:voy-words-log-log.png]]
+[[file:02_Jezyki/voy-words-log-log.png]]
 
 ** Język DNA
 
@@ -427,7 +428,7 @@ TATAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCC
 #+END_SRC
 
 #+RESULTS:
-[[file:dna-chars.png]]
+[[file:02_Jezyki/dna-chars.png]]
 
 *** Tryplety — znaczące cząstki genotypu
 
@@ -463,7 +464,7 @@ z dwudziestu aminokwasów.
 #+END_SRC
 
 #+RESULTS:
-[[file:dna-aminos.png]]
+[[file:02_Jezyki/dna-aminos.png]]
 
 *** „Zdania” w języku DNA
 
@@ -484,7 +485,7 @@ trypletu STOP (_ powyżej). Taka sekwencja to /gen/.
   plt.figure().clear()
   plt.hist([len(g) for g in get_genes(get_triplets(dna))], bins=100)
 
-  fname = 'dna_length.png'
+  fname = '02_Jezyki/dna_length.png'
 
   plt.savefig(fname)
 
@@ -492,7 +493,7 @@ trypletu STOP (_ powyżej). Taka sekwencja to /gen/.
 #+END_SRC
 
 #+RESULTS:
-[[file:dna_length.png]]
+[[file:02_Jezyki/dna_length.png]]
 
 ** Entropia
 
@@ -656,7 +657,7 @@ Wiemy już, że entropia dla rzutu monetą wynosi 1 bit. A jaki będzie wynik dl
   plt.ylabel('entropia')
   plt.plot(x, y)
 
-  fname = f'binomial-entropy.png'
+  fname = f'02_Jezyki/binomial-entropy.png'
 
   plt.savefig(fname)
 
@@ -664,7 +665,7 @@ Wiemy już, że entropia dla rzutu monetą wynosi 1 bit. A jaki będzie wynik dl
 #+END_SRC
 
 #+RESULTS:
-[[file:binomial-entropy.png]]
+[[file:02_Jezyki/binomial-entropy.png]]
 
 *Pytanie* Dla oszukańczej monety (np. dla której wypada zawsze orzeł) entropia
 wynosi 0, czy to wynik zgodny z intuicją?
@@ -743,11 +744,9 @@ Policzmy entropię przy takim założeniu:
 
 #+RESULTS:
 :results:
-4.973808176335181
+3.902708104423842
 :end:
 
-Wartość zaskakująco zbliżona do „Pana Tadeusza”!
-
 *** Rzeczywista entropia?
 
 W rzeczywistości entropia jest jeszcze mniejsza, tekst nie jest
@@ -791,7 +790,7 @@ Dla porównania wynik dla rękopisu Wojnicza:
 
 #+RESULTS:
 :results:
-2.90721912311904
+2.942372881355932
 :end:
 
 *** Gra Shannona