绘制bloom filter的概率曲线

参考：https://www.cnblogs.com/zhxshseu/p/5289871.html

字母	含义
m	bit数组的宽度（bit数）
n	待测key的数量
k	使用的hash函数的个数
f	False Positive的比率

Bloom Filter公式：

f = (1 – e^-kn/m)^k

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

e = math.exp(1)

plt.ylabel('error probability')
plt.xlabel('number of hashfunc')

k=range(1,9,1)
for i in range(1,31,5):
    f=list(map(lambda k:(1-e**(-k*i/100))**k,k))
    plt.plot(k,f,'-o',linewidth=1,markersize=3)
# 设置线标
plt.legend(list(map(lambda x:f'{x}%',range(1,31,5))))
plt.show()

效果图，%为n/m值