Python实现函数可视化--快捷显示数学函数图像的轻量级工具制作教程

Python函数可视化工具

目录

---

1.简介

        对于如今的中学生乃至大学生，只要接触到数学相关内容的，就必然离不开函数这一“生死大关”。为什么说是生死大关呢？实在是函数类问题太令人头疼。那么，在进行此类解题（尤其是三角函数）及性质研究时，有没有一种方便、快捷的方法，让我们能够更透彻地，特别是不用手动画图的那种，研究函数的性质呢？当然有，这就是Python函数图像工具(EXE) 。

        本程序运用Python中最令人喜爱的数据处理工具numpy和超强的图像库matplotlib，实现13种不同类别函数的分类图像整理，展示图像均可以保存为图片的形式，具备拖动、放大等功能。当然，因为教程的关系，我们就不再多说，有兴趣的小伙伴可以点击上方链接运行试一下。详细介绍：Python函数图像工具介绍

2.教程 -- 一次函数

        先上效果图（当然只是1/13的成果）：

         从这里不难看出，整个一次函数图像的显示总共分为3步：分别是【主画板显示+函数名处理】、【坐标轴构建】以及【函数图像显示】。我们一块一块来说。

 1）倒库

import matplotlib.pyplot as plt #图像库
import numpy as np #数据处理
import math #数学计算

 2）主画板显示+函数名处理

       主画板主要就是 plt.plot() 的构建，但注意我们还要命名，构建坐标轴等，所以先用 figure()来代替一下，结尾是 plt.tight_layout()。

x = np.linspace(left, right, abs(100*left*right)) #规定区间，第三个空是精度，太高会耗内存
#y = ax+b  --函数操作，当然现在是数学语言

fig = plt.figure(title, figsize=(10, 8)) #title是名字，figsize窗口大小
fig.canvas.manager.window.wm_geometry('+450+50') #固定窗口位置

plt.tight_layout()

         那么现在就要考虑函数名的问题了，这其实也是非常难搞的事情，如果操作不当，就会出很大的问题。

        函数y=ax+b中，我们一定要确定的几种特殊情况是：

        1.a=0时，y=b；a=1时，y=x+b；a=-1时，y=-x+b（不能写b-x）

        2.b=0时，y=ax；b<0时，y=ax-|b|（不能输出加号）

        那么，我们就可以尝试构建代码了（这里coefficient1表示一次项系数，也就是a，constant是系数，str_cfc和str_cst分别表示处理过的字符串格式的数据）：

x = np.linspace(left, right, abs(100*left*right))
#y = ax+b

#数据处理
if coefficient_1 > 0:
    if coefficient_1 == 1:
        str_cfc1 = "x"
    else:
        str_cfc1 = str(coefficient_1)+"x"
    if constant == 0:
        str_cst = ""
    elif constant > 0:
        str_cst = "+"+str(constant)
    else:
        str_cst = str(constant)
else:
    if coefficient_1 == -1:
        str_cfc1 = "-x"
    else:
        str_cfc1 = str(coefficient_1)+"x"
    if constant == 0:
        str_cst = ""
    elif constant > 0:
        str_cst = "+"+str(constant)
    else:
        str_cst = "+"+str(constant)

#linear funscion 一次函数的名称搭建
fig = plt.figure("linear function: y="+str_cfc1 + str_cst, figsize=(10, 8))
fig.canvas.manager.window.wm_geometry('+450+50')

plt.tight_layout()
plt.show() #显示图像

        给数据随便赋个值（注意left应该<=0，否则后面会有问题），运行结果：

        

         可以明显看出，程序已经初具雏形了。

 3）坐标轴构建+函数图像显示

        事实上，坐标轴的构建就是把x，y轴从左下角拉到中间，再表上数值的过程。上代码：

ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.set(xlim=[left, right], ylim=[left, right])
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

        加上这一段话，运行结果：

        真的已经和最终结果相差不远了，那么差点什么呢......没错！函数图像！！！

        别忘了我们的目标是做出Python函数图像工具，现在万事俱备，最为关键的函数可不能少。

        继续分析：        

        在前面的代码中，我们已经知道了x的值：

x = np.linspace(left, right, abs(100*left*right))

        没错，x坐标的集合就是在 (left, right) 的区间内的每一个取值，abs(100*left*right)就是百倍的精度（即每单位长度显示多少个数值）。那么y坐标又如何表示呢？很简单，y=ax+b，转换成Python语言如下：

y = coefficient_1*x+constant

        最后上传数据：

plt.plot(x, y)

组合+封装（函数）

         

def linear_function(left, right, coefficient_1, constant):

    """
    函数名: linear_function
    功能: 显示形如y=ax+b(a≠0)的一次函数的图像
    参数: 
        left: 显示的区间（下界）
        right: 显示的区间（上界）
        coefficient_1: 一次项系数
        constant: 常数项
    """

    x = np.linspace(left, right, abs(100*left*right))
    y = coefficient_1*x+constant

    if coefficient_1 > 0:
        if coefficient_1 == 1:
            str_cfc1 = "x"
        else:
            str_cfc1 = str(coefficient_1)+"x"
        if constant == 0:
            str_cst = ""
        elif constant > 0:
            str_cst = "+"+str(constant)
        else:
            str_cst = str(constant)
    else:
        if coefficient_1 == -1:
            str_cfc1 = "-x"
        else:
            str_cfc1 = str(coefficient_1)+"x"
        if constant == 0:
            str_cst = ""
        elif constant > 0:
            str_cst = "+"+str(constant)
        else:
            str_cst = "+"+str(constant)

    fig = plt.figure("linear function: y="+str_cfc1 + str_cst, figsize=(10, 8))
    fig.canvas.manager.window.wm_geometry('+450+50')
    plt.plot(x, y)

    ax = plt.gca()
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.yaxis.set_ticks_position('left')
    ax.set(xlim=[left, right], ylim=[left, right])
    ax.spines['bottom'].set_position(('data', 0))
    ax.spines['left'].set_position(('data', 0))

    plt.tight_layout()
    plt.show()

运行结果：

全部成功！

其它：

        其它函数的做法，基本大同小异，整理过的代码如下（EXE下载：Python函数图像工具）：

#from posixpath import lexists
import matplotlib.pyplot as plt
import numpy as np
import math

pai = 3.1415926


def linear_function(left, right, coefficient_1, constant):
    """
    函数名: linear_function
    功能: 显示形如y=ax+b(a≠0)的一次函数的图像
    参数: 
        left: 显示的区间（下界）
        right: 显示的区间（上界）
        coefficient_1: 一次项系数
        constant: 常数项
    """
    x = np.linspace(left, right, abs(100*left*right))
    y = coefficient_1*x+constant
    if coefficient_1 > 0:
        if coefficient_1 == 1:
            str_cfc1 = "x"
        else:
            str_cfc1 = str(coefficient_1)+"x"
        if constant == 0:
            str_cst = ""
        elif constant &