学习Python中用numpy与matplotlib遇到的一些数学函数与函数的绘图

最新推荐文章于 2023-02-23 11:12:01 发布
最新推荐文章于 2023-02-23 11:12:01 发布
阅读量1.2k 收藏 14
点赞数
分类专栏： Python 文章标签： 傅立叶分析 线性代数 算法 机器学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-NC-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jasneik/article/details/106022667
版权

学习Python中的一些数学函数与函数的绘图

主要用到numpy 与 matplotlib
如果有什么不正确，欢迎指教。

图片不知道怎样批量上传，一个一个怎么感觉很小，请见谅

自行复制拷贝，到vs，jupyter notebook, spyder都可以

函数 y = x − s i n x y = x - sinx y=x−sinx

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

x1 = np.linspace(-np.pi, np.pi, 1000)
y1 = x1 - np.sin(x1)

plt.plot(x1, y1, c = 'k', label = r"$ y=x-sinx $")

plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

函数 y = 3 x 4 − 4 x 3 + 1 y = 3x^4 - 4x^3 + 1 y=3x4−4x3+1

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

x1 = np.linspace(-1, 1.5, 1000)
y1 = 3 * (x1 ** 4) - 4 * (x1 ** 3) + 1
plt.plot(x1, y1, label = r"$ y = 3x^4 - 4x^3 + 1 $")

plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

函数 y = x 4 y = x^4 y=x4

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

x1 = np.linspace(-5, 5, 1000)
y1 = x1 ** 4

plt.plot(x1, y1, label = r"$ y = x^4 $")

plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

函数 y = x 3 y = \sqrt[3]{x} y=3x ​

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

x1 = np.linspace(0, 5, 1000)
y1 = x1 ** (1/3)

plt.plot(x1, y1, label = r"$ y = \sqrt[3]{x} $")


# plt.xlim([-np.pi, np.pi])
# plt.ylim([-1.5, 1.5])
plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

函数 y = 2 x 3 − 9 x 2 + 12 x − 3 y=2x^3-9x^2+12x-3 y=2x3−9x2+12x−3

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

x1 = np.linspace(-2, 5, 1000)
y1 =2 * (x1 ** 3) - 9 * (x1 ** 2) + 12 * x1 - 3

plt.plot(x1, y1, label = r"$ y=2x^3-9x^2+12x-3 $")

plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

函数 y = 2 x 3 − 6 x 2 − 18 x + 7 y=2x^3-6x^2-18x+7 y=2x3−6x2−18x+7

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

x1 = np.linspace(-3, 5, 1000)
y1 = 2 * (x1 ** 3) - 6 * (x1 ** 2) - 18 * x1 + 7

plt.plot(x1, y1, label = r"$ y=2x^3-6x^2-18x+7 $")

# plt.axis('equal')
plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

三次抛物线 y = x 3 y = x^3 y=x3

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

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

x1 = np.linspace(-5, 5, 1000)
y1 = x1 ** 3

plt.plot(x1, y1, label = r"$ y = x^3 $")

plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

半立方抛物线 y 2 = a x 3 y^2 = ax^3 y2=ax3

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

a = 0.1
t = np.linspace(-5, 5, 1000)
x = t ** 2
y = a * (t ** 3)
plt.plot(x, y, label = r"y^2 = ax^3|a=0.1")

a = 1
y1 = a * (t ** 3)
plt.plot(x, y1, label = r"y^2 = ax^3|a=1")


# plt.xlim([-np.pi, np.pi])
# plt.ylim([-1.5, 1.5])
plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

概率曲线 y = e − x 2 y=e^{-x^2} y=e−x2

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

t = np.linspace(-2, 2, 1000)
x = t
y = np.e ** -(x ** 2)
plt.plot(x, y, label = r"$ y=e^{-x^2} $")

plt.axis('equal')
# plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

箕舌线 y = 8 a 3 x 2 + 4 a 2 y =\frac{8a^3}{x^2+4a^2} y=x2+4a28a3​

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

a = 1
t = np.linspace(-5, 5, 1000)
x = t
y = (8 * a ** 2) / (x ** 2 + 4 * a ** 2)
plt.plot(x, y, label = r"$ y =\frac{8a^3}{x^2+4a^2} |_{a=1} $")

a = 2
y1 = (8 * a ** 2) / (x ** 2 + 4 * a ** 2)
plt.plot(x, y1, label = r"$ y =\frac{8a^3}{x^2+4a^2} |_{a=2} $")

plt.axis('equal')
# plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

蔓叶线 y 2 ( 2 a − x ) = x 3 y^2(2a-x)=x^3 y2(2a−x)=x3 或 x = 2 a s i n 2 θ , y = 2 a 2 t a n 2 θ s i n 4 θ x=2asin^2\theta, y=2a^2tan^2\theta sin^4\theta x=2asin2θ,y=2a2tan2θsin4θ

修改：之前x的取值是 − 3.6 ≤ x ≤ 3.6 -3.6\leq x \leq3.6 −3.6≤x≤3.6, 实际上x的值是 ≥ 0 \geq 0 ≥0

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

a = 2
#这是原来的取值范围
#t = np.linspace(-3.6, 3.6, 1000)
#x = np.abs(t)
#这是现在的取值范围
t = np.linspace(0, 3.6, 1000)
x = t
#还有我用power替代了sqrt开根号
y = np.power((x ** 3) / (2 * a - x), 1/2)
plt.plot(x, y, 'b', x, -y, 'b', label = r"$ y^2(2a-x)=x^3 $")

plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

ρ = 2 a − t a n 2 θ \rho=2a-tan^2\theta ρ=2a−tan2θ

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
plt.ylim([0, 6])

a = 1
theta = np.arange(0, 2 * np.pi, np.pi / 100)
rho = 2 * a - np.tan(theta) ** 2
plt.plot(theta, rho, label = r'$\rho=2a-tan^2\theta \quad |a=1$')

a = 1.5
r2 = a * rho
plt.plot(theta, r2, label = r'$\rho=2a-tan^2\theta \quad |a=1.5$')

a = 2.5
r2 = a * rho
plt.plot(theta, r2, label = r'$\rho=2a-tan^2\theta \quad |a=2.5$')

plt.legend()
plt.show()

在这里插入图片描述

笛卡儿叶形线画图 极坐标 r = 3 a s i n θ c o s θ s i n 3 θ + c o s 3 θ r = \frac{3asin\theta cos\theta}{sin^3\theta + cos^3\theta} r=sin3θ+cos3θ3asinθcosθ​

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
plt.ylim([0, 6])

a = 1
theta = np.arange(0, 2 * np.pi, np.pi / 100)
r = 3 * a * np.sin(theta) * np.cos(theta) / (np.sin(theta) ** 3 + np.cos(theta) ** 3)
plt.plot(theta, r, label = r'$ r = \frac{3asin\theta cos\theta}{sin^3\theta + cos^3\theta} $')

a = 1.5
r2 = a * r
plt.plot(theta, r2)

a = 2.5
r2 = a * r
plt.plot(theta, r2)

# plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

笛卡儿叶形线 直角坐标 x 3 + y 3 − 3 a x y = 0 x^3+y^3-3axy=0 x3+y3−3axy=0 或 x = 3 a t 1 + t 3 , y = 3 a t 2 1 + t 3 x=\frac{3at}{1+t^3}, y=\frac{3at^2}{1+t^3} x=1+t33at​,y=1+t33at2​

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
# plt.subplot(111, polar = True)
# plt.ylim([0, 6])

a = 1
# t = np.arange(-0.1, 4 * np.pi, np.pi / 180)
t = np.linspace(-0.5, 200, 5000)
x = (3 * a * t) / (1 + t ** 3)
y = (3 * a * t ** 2) / (1 + t ** 3)
plt.plot(x, y, label = r'$ x=\frac{3at}{1+t^3}, y=\frac{3at^2}{1+t^3} $')

a = 1.5
x1 = (3 * a * t) / (1 + t ** 3)
y1 = (3 * a * t ** 2) / (1 + t ** 3)
plt.plot(x1, y1, label = r'$ x=\frac{3at}{1+t^3}, y=\frac{3at^2}{1+t^3} $')


# plt.grid()
plt.legend()
plt.show()

在这里插入图片描述

星形线（内摆线的一种） x 2 3 + y 2 3 = a 2 3 x^\frac{2}{3}+y^\frac{2}{3}=a^\frac{2}{3} x32​+y32​=a32​ 或 { x = a c o s 3 θ y = a s i n 3 θ \begin{cases} x=acos^3\theta \\ y=asin^3\theta \end{cases} {x=acos3θy=asin3θ​

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

a = 1
theta = np.arange(0, 2 * np.pi, np.pi / 180)
x = a * np.cos(theta) ** 3
y = a * np.sin(theta) ** 3
plt.plot(x, y, label = r'$ x=acos^3\theta, y=asin^3\theta \quad|a=1$')

a = 2
x1 = a * x
y1 = a * y
plt.plot(x1, y1, label = r'$ x=acos^3\theta, y=asin^3\theta \quad|a=2$')

a = 3
x2 = a * x
y2 = a * y
plt.plot(x2, y2, label = r'$ x=acos^3\theta, y=asin^3\theta \quad|a=3$')

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


plt.axis('equal')
plt.legend()
plt.show()

在这里插入图片描述

摆线 { x = a ( θ − s i n θ ) y = a ( 1 − c o s θ ) \begin{cases} x=a(\theta-sin\theta) \\ y=a(1-cos\theta) \end{cases} {x=a(θ−sinθ)y=a(1−cosθ)​

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
# plt.subplot(111, polar = True)
# plt.ylim([0, 6])

a = 1
theta = np.arange(0, 4 * np.pi, np.pi / 180)
x = a * (theta - np.sin(theta))
y = a * (1 - np.cos(theta))
plt.plot(x, y, label = r'$ x=a(\theta-sin\theta),\quad y=a(1-cos\theta) \quad|a=1$')

a = 2
x1 = a * x
y1 = a * y
plt.plot(x1, y1, label = r'$ x=a(\theta-sin\theta),\quad y=a(1-cos\theta) \quad|a=2$')

a = 3
x2 = a * x
y2 = a * y
plt.plot(x2, y2, label = r'$ x=a(\theta-sin\theta),\quad y=a(1-cos\theta) \quad|a=3$')

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


plt.axis('equal')
plt.legend()
plt.show()

在这里插入图片描述

心形线（外摆线的一种） KaTeX parse error: Can't use function '$' in math mode at position 27: …a\sqrt{x^2+y^2}$̲ 或 $ \rho=a(1-c…

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
# plt.ylim([0, 6])

a = 1
theta = np.arange(0, 2 * np.pi, np.pi / 180)
y = a * (1 - np.cos(theta))
plt.plot(theta, y, label = r'$ \rho=a(1-cos\theta) $')

y1 = a * (1 - np.sin(theta))
plt.plot(theta, y1, label = r'$ \rho=a(1-sin\theta) $')

# a = 2
# x1 = a * x
# y1 = a * y
# plt.plot(x1, y1, label = r'$ x=a(\theta-sin\theta),\quad y=a(1-cos\theta) \quad|a=2$')

# a = 3
# x2 = a * x
# y2 = a * y
# plt.plot(x2, y2, label = r'$ x=a(\theta-sin\theta),\quad y=a(1-cos\theta) \quad|a=3$')

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


# plt.axis('equal')
plt.legend()
plt.show()

在这里插入图片描述

x = s i n θ , y = c o s θ + x 2 3 x=sin\theta,\quad y=cos\theta+\sqrt[3]{x^2} x=sinθ,y=cosθ+3x2 ​

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题


a = 1
theta = np.arange(0, 2 * np.pi, np.pi / 180)
x = np.sin(theta)
y = np.cos(theta) + np.power((x ** 2), 1 / 3)  #原来用 y = np.cos(theta) + np.power(x, 2/3)只画出一半，而且报power的错
plt.plot(x, y, label = r'$x=sin\theta,\quady=cos\theta+\sqrt[3]{x^2}$')


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


plt.axis('equal') #等比例会好看点
plt.legend()
plt.show()

在这里插入图片描述

阿基米德螺线 ρ = a θ \rho=a\theta ρ=aθ

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
# plt.ylim([0, 6])

a = 1
theta = np.arange(0, 4 * np.pi, np.pi / 180)
rho = a * theta
plt.plot(theta, rho, label = r'$\rho=a\theta$', linestyle = 'solid')

# rho1 = - a * theta
# plt.plot(theta, rho1, label = r'$\rho=a\theta$')


plt.legend()
plt.show()

在这里插入图片描述

对数螺线 ρ = e a θ \rho=e^{a\theta} ρ=eaθ

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
plt.ylim([0, 10])

a = 0.1
theta = np.arange(0, 6 * np.pi, np.pi / 180)
rho = np.e ** (a * theta)
plt.plot(theta, rho, label = r'$ \rho=e^{a\theta} $', linestyle = 'solid')

a = 0.2
rho1 = np.e ** (a * theta)
plt.plot(theta, rho1, label = r'$ \rho=e^{a\theta} $', linestyle = 'solid')

plt.legend()
plt.show()

在这里插入图片描述

双曲螺旋线 ρ θ = a \rho\theta=a ρθ=a

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
plt.ylim([0, 30])

a = 30
theta = np.arange(0.01, 6 * np.pi, np.pi / 180)
rho = a / theta
plt.plot(theta, rho, label = r'$ \rho\theta=a \quad |a=30 $', linestyle = 'solid')

a = 50
rho1 = a / theta
plt.plot(theta, rho1, label = r'$ \rho\theta=a \quad |a=50 $', linestyle = 'solid')

plt.legend()
plt.show()

在这里插入图片描述

伯努利双纽线 ( x 2 + y 2 ) 2 = 2 a 2 x y (x^2+y^2)^2=2a^2xy (x2+y2)2=2a2xy 或 ( x 2 + y 2 ) 2 = a 2 ( x 2 − y 2 ) (x^2+y^2)^2=a^2(x^2-y^2) (x2+y2)2=a2(x2−y2) 或 ρ 2 = a 2 s i n 2 θ \rho^2=a^2sin2\theta ρ2=a2sin2θ 或 ρ 2 = a 2 c o s 2 θ \rho^2=a^2cos2\theta ρ2=a2cos2θ

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
# plt.subplot(111, polar = True)
# plt.ylim([0, 30])

a = 1
theta = np.linspace(-np.pi, np.pi, 200)
x = a * np.sqrt(2) * np.cos(theta) / (np.sin(theta) ** 2 + 1)
y = a * np.sqrt(2) * np.cos(theta) * np.sin(theta) / (np.sin(theta) ** 2 + 1)
plt.plot(x, y, label = r'$ \rho^2=a^2cos2\theta \quad |a=1 $', linestyle = 'solid')

plt.axis('equal')
plt.legend()
plt.show()

在这里插入图片描述

三叶玫瑰线 ρ = a c o s 3 θ \rho=acos3\theta ρ=acos3θ 或 ρ = a s i n 3 θ \rho=asin3\theta ρ=asin3θ

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
# plt.rcParams['figure.figsize'] = (8, 4.5)
# plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
# plt.ylim([0, 30])

a = 1
theta = np.linspace(0, 2 * np.pi, 200)
rho = a * np.cos(3 * theta)
plt.plot(theta, rho, label = r'$ \rho=acos3\theta \quad |a=1 $', linestyle = 'solid')

# a = 2
# rho1 = a * rho
# plt.plot(theta, rho1, label = r'$ \rho=acos3\theta \quad |a=2 $', linestyle = 'solid')

a = 1
rho2 = a * np.sin(3 * theta)
plt.plot(theta, rho2, label = r'$ \rho=asin3\theta \quad |a=1 $', linestyle = 'solid')

plt.legend()
plt.show()

在这里插入图片描述

四叶玫瑰线 ρ = a c o s 2 θ \rho=acos2\theta ρ=acos2θ 或 ρ = a s i n 2 θ \rho=asin2\theta ρ=asin2θ

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
# plt.rcParams['figure.figsize'] = (8, 4.5)
# plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
# plt.ylim([0, 30])

a = 1
theta = np.linspace(0, 2 * np.pi, 200)
rho = a * np.cos(4 * theta)
plt.plot(theta, rho, label = r'$ \rho=acos2\theta \quad |a=1 $', linestyle = 'solid')

a = 2
rho1 = a * rho
plt.plot(theta, rho1, label = r'$ \rho=acos2\theta \quad |a=2 $', linestyle = 'solid')

# a = 1
# rho2 = a * np.sin(4 * theta)
# plt.plot(theta, rho2, label = r'$ \rho=asin2\theta \quad |a=1 $', linestyle = 'solid')

plt.legend()
plt.show()

在这里插入图片描述

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
# plt.rcParams['figure.figsize'] = (8, 4.5)
# plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
# plt.ylim([0, 30])

theta = np.linspace(0, 2 * np.pi, 200)

a = 1
rho = a * np.sin(4 * theta)
plt.plot(theta, rho, label = r'$ \rho=asin2\theta \quad |a=1 $', linestyle = 'solid')

a = 2
rho1 = a * np.sin(4 * theta)
plt.plot(theta, rho1, label = r'$ \rho=asin2\theta \quad |a=2 $', linestyle = '--')

plt.legend()
plt.show()

在这里插入图片描述

多叶玫瑰线 ρ = a c o s n θ \rho=acosn\theta ρ=acosnθ 或 ρ = a s i n n θ , ∣ n = 1 , 2 , 3... \rho=asinn\theta,\quad|n=1,2,3... ρ=asinnθ,∣n=1,2,3...

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
# plt.rcParams['figure.figsize'] = (8, 4.5)
# plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
plt.subplot(111, polar = True)
# plt.ylim([0, 30])

theta = np.linspace(0, 2 * np.pi, 200)

a = 1
n = 20
rho = a * np.sin(10 * theta)
plt.plot(theta, rho, label = r'$ \rho=asinn\theta \quad |a=1,n=10 $', linestyle = 'solid')

plt.legend()
plt.show()

在这里插入图片描述

函数 四叶线 x = a ρ s i n θ , y = a ρ c o s θ , ρ = 2 s i n s i n 2 θ x=a\rho sin\theta,y=a\rho cos\theta, \rho = \sqrt{2}sin{sin2\theta} x=aρsinθ,y=aρcosθ,ρ=2 ​sinsin2θ

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
# plt.subplot(111, polar = True)
# plt.ylim([0, 30])

a = 1
theta = np.linspace(-np.pi, np.pi, 200)
rho = np.sqrt(2) * np.sin(np.sin(2*theta))
x = a * rho * np.sin(theta)
y = a * rho * np.cos(theta)
plt.plot(x, y, label = r'$x=a\rho sin\theta,y=a\rho cos\theta, \rho = \sqrt{2}sin{sin2\theta}$', linestyle = 'solid')

plt.axis('equal')
plt.legend()
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vELrwNwd-1589013522141)(output_52_0.svg)]在这里插入图片描述

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
plt.rcParams['figure.figsize'] = (8, 4.5)
plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
# plt.subplot(111, polar = True)
# plt.ylim([0, 30])

a = 1
theta = np.linspace(-np.pi, np.pi, 200)
rho = np.sqrt(2) * np.sin(np.sin(4*theta))
x = a * rho * np.sin(theta)
y = a * rho * np.cos(theta)
plt.plot(x, y, label = r'$x=a\rho sin\theta,y=a\rho cos\theta, \rho = \sqrt{2}sin{sin2\theta}$', linestyle = 'solid')

plt.axis('equal')
plt.legend()
plt.show()

在这里插入图片描述

函数 四叶线 x = a ρ s i n θ , y = a ρ c o s θ , ρ = 2 s i n ∣ s i n 2 θ ∣ x=a\rho sin\theta,y=a\rho cos\theta, \rho = \sqrt{2}sin{\vert sin2\theta \vert} x=aρsinθ,y=aρcosθ,ρ=2 ​sin∣sin2θ∣

%matplotlib inline
%config InlineBackend.figure_format = "svg"
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
# plt.rcParams['figure.figsize'] = (8, 4.5)
# plt.rcParams['figure.dpi'] = 150
plt.rcParams['font.sans-serif'] = ['Simhei']  #替代字体
plt.rcParams['axes.unicode_minus'] = False  #解决坐标轴负数的铅显示问题

#极坐标
# plt.subplot(111, polar = True)
# plt.ylim([0, 30])

a = 1
theta = np.linspace(-np.pi, np.pi, 1000)
rho = np.sqrt(2) * np.sqrt(abs(np.sin(10*theta)) + 0.5)
x = a * rho * np.sin(theta)
y = a * rho * np.cos(theta)
plt.plot(x, y,  linestyle = 'solid')

# label = r'$x=a\rho sin\theta,y=a\rho cos\theta, \rho = \sqrt{2}sin{sin2\theta}$',

plt.axis('equal')
# plt.legend()
plt.show()

在这里插入图片描述

jasneik
关注
  • 0
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
怎么用python画sin函数图像_Python3使用Matplotlib 绘制精美的数学函数图形
weixin_39823200的博客
11-23 1466
记录Python3使用Matplotlib 绘制精美的数学图形。一个最最简单的例子：绘制一个从 0 到 360 度完整的 SIN 函数图形import numpy as npimport matplotlib.pyplot as ptx = np.arange(0, 360)# 如果打印 x ，NumPy 会给你很好看的打印格式# print(x)y = np.sin(x * np.pi / 18...
python autopct函数_Python matplotlib基础绘图函数示例
weixin_32821695的博客
01-23 7640
Pyplot基础图标函数：函数说明plt.plot(x,y,fmt,…)绘制一个坐标图plt.boxplot(data,notch,position)绘制一个箱形图plt.bar(left,height,width,bottom)绘制一个条形图plt.barh(width,bottom,left,height)绘制一个横向条形图plt.polar(theta,r)绘制极坐标图plt.p...
【Python】7种方案，彻底实现可视化图片大小/分辨率控制自由
fengdu78的博客
12-14 3150
Matplotlib默认绘图时常常模糊不清，这里分享7种解决方案：方法一，dpi设置plt.figure(dpi=150)方法二，figsize设置plt.figure(figsize=(...
%config InlineBackend.figure_format=svg#矢量图设置
studyvcmfc的专栏
06-10 4831
在默认设置的matplotlib中图片分辨率不是很高，可以通过设置矢量图的方式来提高图片显示质量 %config InlineBackend.figure_format='svg'#矢量图设置
ipython/notebook设置图像svg格式
ouening的博客
04-09 2003
%matplotlib inline %config InlineBackend.figure_format = 'svg' import matplotlib.pyplot as plt 参考连接：https://stackoverflow.com/questions/17582137/ipython-notebook-svg-figures-by-default
plt.rcParams属性总结
热门推荐
qq_51143009的博客
11-30 2万+
plt（matplotlib.pyplot）使用rc配置文件来自定义图形的各种默认属性，称之为rc配置或rc参数。 通过rc参数可以修改默认的属性，包括窗体大小、每英寸的点数、线条宽度、颜色、样式、坐标轴、坐标和网络属性、文本、字体等。rc参数存储在字典变量中，通过字典的方式进行访问。 序号 属性 说明 1 plt.rcParams[’axes.unicode_minus’] = False 字符显示 2 plt.rcParams[’font.sans-serif’] = ‘SimHei’ 设置字体 线条样
【Matplotlib】（一）绘制图像函数
mjiansun的专栏
04-18 8044
1.前言 matplotlib 是 python 最著名的绘图库，它提供了一整套和 matlab 相似的命令 API，十分适合交互式进行绘图。 它的文档相当完备，并且 Gallery 页面 中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。 这是要实现的效果图，利用 Matplotlib 绘制函数 y = x^2^ 的图像。 1.1 代码实现 import matplotlib.pyplot as plt impor
caculator_PythonMatplotlib_pythonNumPy_
09-29
NumPy（Numeric Python）提供了一个强大的 N 维数组对象 Array，以及大量的数学函数来操作这些数组。在本项目中，可能涉及到使用 NumPy 的功能来处理与圆筒数量相关的数据计算。例如，你可以使用 `numpy.array()` ...
numpy-pandas-matplotlib使用指南，都是一些实例，且全部是jupyter文件，方便运行查看效果
05-27
Pandas、NumPy和Matplotlib是Python中用于数据处理和可视化的三个重要库： Pandas： 数据分析：提供DataFrame和Series数据结构，用于灵活高效的数据操作和分析。 数据清洗：支持处理缺失数据、数据过滤和转换。 ...
python数据分析与可视化.docx
最新发布
06-28
Pandas： Pandas是Python中用于数据分析的重要库，提供了快速、灵活、易于使用的数据结构，如Series（一维数组）和DataFrame（二维表），以及数据操作和处理工具。 NumPy： NumPy是Python中用于科学计算的核心库，...
Python库 | root_numpy-2.0.1.tar.gz
03-10
4. **拟合和绘图**：库中的`root_numpy.hist2array`函数可以将ROOT的TH1、TH2和TH3对象转换为NumPy数组，以便在Python环境中进行进一步的处理或绘图。`root_numpy.fit`函数则支持对数据进行拟合。 5. **兼容性**：`...
matpiotlib可视化操作总结
当我把这件事情做出来的时候，我想要的东西就已经拿到了
07-17 1113
基础操作 导包 import matplotlib.pyplot as plt 1.figure 创建画布 创建空白画布,可以指定画布的大小、像素 F = plt.figure() 2. flot 绘制曲线 plot(x,y)绘制曲线 plt.plot(x,y) ...
用matplotlib库画x^2与x^3的折线图
sy11111111111111的博客
08-07 1889
```python #-*- codeing = utf-8 -*- #coding=gbk #@Time :2021/8/7 8:57 #@Author : RoseMary #@File : 折线图.py #@Software : PyCharm #导包 import numpy as np import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties font = FontProperties.
pandas中绘制图像，图像中带有x^2，可以表示出来
m0_46689661的博客
02-16 216
import pandas as pd import numpy as np import matplotlib.pyplot as plt x = np.linspace(-100, 100, 1000) y1 = x y2 = x ** 2 y3 = 3 * x ** 3 + 5 * x ** 2 + 2 * x + 1 print(y1) print(y2) print(y3) plt.plot(x, y1, 'o-r', label='y=x') plt.plot(x, y2, 'o:g',
利用python的matplotlib库进行科研绘图方法总结（保存矢量图）
Wendy的博客
02-23 6199
当format未设置，而输入的fname包含文件格式的扩展时，保存的文件格式即为该扩展。故上述的保存矢量图的代码中format参数可不进行设置。设置之后，jupyter notebook中得到的图片将显示为svg形式，，一般折线图的dpi设置为600，而图像的dpi设置为300。实现保存svg矢量图的功能。
Matplotlib学习笔记
kele421的博客
07-13 706
matplotlib学习的一点笔记
2021-10-24
weixin_41612386的博客
10-24 1494
项目场景： 项目中需要样本均衡，用到imblearn库 Anaconda安装imblearn提示WARNING和ERROR如截图 问题描述： 提示：这里描述项目中遇到的问题： 问题二： %config InlineBackend.figure_format=‘svg’#矢量图设置 查到官方文件说直接删除这句也是可以运行的，所以%config标红可以直接删除 原因分析& 解决方案： 1. 有可能是相关的版本太低，不一致conda upgrade --all 2.网速问题，使用镜像加速 3.pip
Jupyter中 %matplotlib inline 和 %config InlineBackend.figure_format = svg 的作用
m0_49337600的博客
12-03 5115
Jupyter中 %matplotlib inline 和 %config InlineBackend.figure_format = “svg" 的作用 %matplotlib inline Jupyter notebook 中的魔法命令 ，在下面的代码模块里面都可以不用写 plt.show() %config InlineBackend.figure_format = “svg" Jupyter notebook 中的魔法命令 ，可以设定显示图片的分辨率 常用： %config
6-5 叶形线函数 (10 分)指针
qq_64682515的博客
12-12 2276
已知叶形线的参数方程如下： 请编写函数，完成下面叶形线参数方程的计算。 函数原型 void Folium(double *x, double *y, double a, double t); 说明：a 为常数，t 为参数，x 和 y 分别为指示横坐标和纵坐标的指针。 裁判程序 #include <stdio.h> #include <math.h> double Cube(double x); void Folium(double *x, double.
利用numpy和matplotlib
03-16
matplotlib是Python中用于数据可视化的一个重要库，它提供了各种绘图函数和工具，可以绘制各种类型的图表，包括线图、散点图、柱状图、饼图等。 利用numpy和matplotlib，我们可以进行各种数据分析和可视化，例如...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

jasneik

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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