认识方程式、函数、坐标图形

绘制一元一次方程式的图形

import matplotlib.pyplot as plt                                  
x = [x for x in range(0, 11)]                   
y = [(3 * y -18) for y in x]
plt.plot(x, y, '-*')   
plt.xlabel("children")
plt.ylabel("Apple")
plt.grid()                              # 加网格线
plt.show()

运行结果:

 

标记刻度范围,同时也标记每个单一数字,方便追踪小孩数量 与苹果数量的关系。

import matplotlib.pyplot as plt                                 
x = [x for x in range(0, 11)]                   
y = [(3 * y -18) for y in x]
plt.xticks(x)                           # 标记每个单一x数字
plt.axis([0, 10, -20, 15])              # 标记刻度范围
plt.plot(x, y, '-*')   
plt.xlabel("children")
plt.ylabel("Apple")
plt.grid()                              # 加网格线
plt.show()

运行结果:

 

绘制经营餐厅的绩效图形。

import matplotlib.pyplot as plt
import numpy as np
                                
x = np.linspace(0, 1000, 100)
y = 0.03 * x - 18
plt.axis([0, 1000, -20, 15])            # 标记刻度范围
plt.plot(x, y)   
plt.xlabel("Customers")
plt.ylabel("Profit")
plt.grid()                              # 加网格线
plt.show()

运行结果:

斜率(slope):一条直线的倾斜程序。

截距(intercept):可细分为x截距和y截距,一条直线与x轴相交点的x坐标称x截距,一条直线与y轴相交点的y坐标称y截距。

通常线条更倾斜,可以产生较大的斜率;线条平缓,产生的斜率较小。

斜率可以有正斜率与负斜率,由左下往右上的斜率称正斜率,由左上往右下的斜率称负斜率。

绘制下列函数图形,同时验证a是此函数直线的斜率

y=f(x)=2x

import matplotlib.pyplot as plt
                                
x = [x for x in range(0, 11)]
y = [2 * y for y in x]
plt.xticks(x)
plt.axis([0, 10, 0, 20])                # 标记刻度范围
plt.plot(x, y)   
plt.grid()                              # 加网格线
plt.show()

运行结果如下:

f(x)=ax+b当作是线性回归分析函数,适度地调整函数的a值和b值,然后找出与数据点最近的一条直接,或称最近的函数。

使用更改y截距值b,产生平等移动的线性函数。

import matplotlib.pyplot as plt
                                
x = [x for x in range(0, 11)]
y1 = [2 * y for y in x]
y2 = [(2 * y - 2) for y in x]
y3 = [(2 * y + 2) for y in x]
plt.xticks(x)
plt.plot(x, y1, label='L1')
plt.plot(x, y2, label='L2')
plt.plot(x, y3, label='L3')
plt.legend(loc='best')
plt.grid()                              # 加网格线
plt.show()

运行结果如下:

 

更改斜率值a,调整线性函数的线条。

import matplotlib.pyplot as plt
                                
x = [x for x in range(0, 11)]
y1 = [2 * y for y in x]
y2 = [3 * y for y in x]
y3 = [4 * y for y in x]
plt.xticks(x)
plt.plot(x, y1, label='L1')
plt.plot(x, y2, label='L2')
plt.plot(x, y3, label='L3')
plt.legend(loc='best')
plt.grid()                              # 加网格线
plt.show()

运行结果如下:

 

更改斜率值a和截距值b,调整线性函数的线条。

import matplotlib.pyplot as plt
                                
x = [x for x in range(0, 11)]
y1 = [2 * y for y in x]
y2 = [3 * y + 2 for y in x]
y3 = [4 * y - 3 for y in x]
plt.xticks(x)
plt.plot(x, y1, label='L1')
plt.plot(x, y2, label='L2')
plt.plot(x, y3, label='L3')
plt.legend(loc='best')
plt.grid()                              # 加网格线
plt.show()

运行结果如下:

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
智慧校园建设方案旨在通过融合先进技术,如物联网、大数据、人工智能等,实现校园的智能化管理与服务。政策的推动和技术的成熟为智慧校园的发展提供了基础。该方案强调了数据的重要性,提出通过数据的整合、开放和共享,构建产学研资用联动的服务体系,以促进校园的精细化治理。 智慧校园的核心建设任务包括数据标准体系和应用标准体系的建设,以及信息化安全与等级保护的实施。方案提出了一站式服务大厅和移动校园的概念,通过整合校内外资源,实现资源共享平台和产教融合就业平台的建设。此外,校园大脑的构建是实现智慧校园的关键,它涉及到数据中心化、数据资产化和数据业务化,以数据驱动业务自动化和智能化。 技术应用方面,方案提出了物联网平台、5G网络、人工智能平台等新技术的融合应用,以打造多场景融合的智慧校园大脑。这包括智慧教室、智慧实验室、智慧书馆、智慧党建等多领域的智能化应用,旨在提升教学、科研、管理和服务的效率和质量。 在实施层面,智慧校园建设需要统筹规划和分步实施,确保项目的可行性和有效性。方案提出了主题梳理、场景梳理和数据梳理的方法,以及现有技术支持和项目分级的考虑,以指导智慧校园的建设。 最后,智慧校园建设的成功依赖于开放、协同和融合的组织建设。通过战略咨询、分步实施、生态建设和短板补充,可以构建符合学校特色的生态链,实现智慧校园的长远发展。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值