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: