前言博客文章: https://blog.manchan.top/post/Drawing-mathematical-function-images-with-Python/可在此处找到我
最近开始学习数学了,有一些题目的函数图像非常有特点,有一些函数图像手绘比较麻烦,那么有没有什么办法做出又标准又好看的数学函数图像呢?
答案是有很多的,有很多不错的软件都能画出函数图像,但是,我想到了Python的数据可视化。Python在近些年非常火热,在数据分析以及深度学习等方面得到广泛地运用,其丰富的库使其功能愈加强大。
这里我们使用Python的NumPy库以及Matplotlib库进行绘图。
NumPy与MatplotlibNumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案。
函数绘图 所需库函数语法 import 语句想使用 Python 源文件,只需在另一个源文件里执行 import 语句,语法如下:
import module1[, module2[,... moduleN]
from … import 语句
Python 的 from 语句让你从模块中导入一个指定的部分到当前命名空间中,语法如下:
from modname import name1[, name2[, ... nameN]]
numpy.arange
numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象,函数格式如下:
numpy.arange(start, stop, step, dtype)
根据 start 与 stop 指定的范围以及 step 设定的步长,生成一个 ndarray。
参数说明:
参数 | 描述 |
---|---|
start | 起始值,默认为0 |
stop | 终止值(不包含) |
step | 步长,默认为1 |
dtype | 返回ndarray 的数据类型,如果没有提供,则会使用输入数据的类型。 |
numpy.linspace 函数用于创建一个一维数组,数组是一个等差数列构成的,格式如下:
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
参数说明:
参数 | 描述 |
---|---|
start | 序列的起始值 |
stop | 序列的终止值,如果endpoint 为true ,该值包含于数列中 |
num | 要生成的等步长的样本数量,默认为50 |
endpoint | 该值为 true 时,数列中包含stop 值,反之不包含,默认是True。 |
retstep | 如果为 True 时,生成的数组中会显示间距,反之不显示。 |
dtype | ndarray 的数据类型 |
import numpy as np
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
一元一次函数
# 一元一次函数图像
x = np.arange(-10, 10, 0.1)#生成等差数组
y = 2 * x
plt.xlabel('x')
plt.ylabel('y')
plt.title("一元一次函数")
plt.plot(x, y)
plt.show()
一元二次函数
# 一元二次函数图像
x = np.arange(-10, 10, 0.1)
y = x * x
plt.xlabel('x')
plt.ylabel('y')
plt.title("一元二次函数")
plt.plot(x, y)
plt.show()
指数函数
# 指数函数
x = np.arange(-10, 10, 0.1)
y = np.power(2, x)
plt.xlabel('x')
plt.ylabel('y')
plt.title("指数函数")
plt.plot(x, y)
plt.show()
正弦函数
x = np.arange(-3 * np.pi, 3 * np.pi, 0.1)
y = np.sin(x)
plt.xlabel('x')
plt.ylabel('y')
plt.title("正弦函数")
plt.plot(x, y)
plt.show()
余弦函数
x = np.arange(-3 * np.pi, 3 * np.pi, 0.1)
y = np.cos(x)
plt.xlabel('x')
plt.ylabel('y')
plt.title("余弦函数")
plt.plot(x, y)
plt.show()
高级玩法
from pylab import *
import numpy
figure(figsize=(12,8), dpi=72)
# 创建一个新的 1 * 1 的子图,接下来的图样绘制在其中的第 1 块(也是唯一的一块)
subplot(1,1,1)
X = np.linspace(-np.pi*2, np.pi*2, 2048,endpoint=True)
C,S = np.cos(X), np.sin(X)
# 绘制余弦曲线,使用蓝色的、连续的、宽度为 1 (像素)的线条
plot(X, C,linewidth=1.5, linestyle="-",label="正弦")
# 绘制正弦曲线,使用绿色的、连续的、宽度为 1 (像素)的线条
plot(X, S,linewidth=1.5, linestyle="-",label="余弦")
legend(loc='upper left')
# 设置横轴的上下限
xlim(-4.5,4.5)
# 设置横轴记号
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r',$'r'$+\pi/2$' ,r'$+\pi$' ])(
yticks[-1,0 ,+ 1],[
r'$-1$',r',$' r'$+1$'] )# 设置纵轴的上下限(
-
ylim1.5,1.5)# 设置纵轴记号(
.
yticks(np-linspace1,1,5,=Trueendpoint))=(
ax ) gca.[
ax'right'spines].('none'set_color).[
ax'top'spines].('none'set_color)..
ax(xaxis'bottom'set_ticks_position).[
ax'bottom'spines].((set_position'data',0))..
ax(yaxis'left'set_ticks_position).[
ax'left'spines].((set_position'data',0))# savefig("sincosin.png",dpi=72) #以72dpi保存图像# 在屏幕上显示
(
)
show=.
fig ( plt=figure(figsize12,8),=72 dpi)=.
x ( np-arange10,10, 0.01) =.
arsinh ( np+log.x(np**sqrt2x+1))=0.5
sinh*(**-e**x(e-))x=0.5
cosh*(**+e**x(e-))x.(
plt,plot,x= sinh"双曲正弦"label).(
plt,plot,x= arsinh"反双曲正弦"label).(
plt,plot,x= cosh"双曲余弦"label).(
plt=legend'upper left'loc)(-
ylim10,10)=(
ax ) gca.[
ax'right'spines].('none'set_color).[
ax'top'spines].('none'set_color)..
ax(xaxis'bottom'set_ticks_position).[
ax'bottom'spines].((set_position'data',0))..
ax(yaxis'left'set_ticks_position).[
ax'left'spines].((set_position'data',0)).(
plt)show
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)