%matplotlib inline
import numpy as np
from matplotlib_inline import backend_inline
from d2l import torch as d2l
def f(x):
return 3 * x ** 2 - 4 * x-
%matplotlib inline：这是一个Jupyter Notebook的魔法命令，它告诉Jupyter Notebook在输出结果中显示Matplotlib绘图的结果，并将这些图形嵌入到Notebook中。 -
import numpy as np：这是导入NumPy库，并将其命名为np，以便在代码中使用NumPy的函数和方法。 -
from matplotlib_inline import backend_inline：这是从matplotlib_inline库中导入backend_inline模块。backend_inline模块提供了在Jupyter Notebook中绘制Matplotlib图形的功能。 -
from d2l import torch as d2l：这是从d2l库中导入torch模块，并将其命名为d2l。d2l库是《动手学深度学习》一书的配套代码库，提供了一些用于深度学习的实用函数和工具。 -
def f(x):：这是一个函数定义，它定义了一个名为f的函数，该函数接受一个参数x。 -
return 3 * x ** 2 - 4 * x：这是函数体，它使用输入的x计算一个值，并将其作为函数的返回值。在这个例子中，函数计算了3 * x的平方减去4 * x的值，并将结果返回。
这段代码的作用是定义了一个简单的二次函数f(x)，并导入了一些常用的库和模块，以便在后续的代码中使用它们。
def numerical_lim(f, x, h):
return (f(x + h) - f(x)) / h
h = 0.1
for i in range(5):
print(f'h={h:.5f}, numerical limit={numerical_lim(f, 1, h):.5f}')
h *= 0.1-
def numerical_lim(f, x, h):：这是一个函数定义，它定义了一个名为numerical_lim的函数，该函数接受三个参数f、x和h。 -
return (f(x + h) - f(x)) / h：这是函数体，它使用输入的f、x和h计算一个值，并将其作为函数的返回值。在这个例子中，函数计算了f(x + h) - f(x)除以h的值，并将结果返回。 -
h = 0.1：这是一个赋值语句，它将0.1赋值给变量h。 -
for i in range(5):：这是一个循环语句，它会执行下面缩进的代码块5次。 -
print(f'h={h:.5f}, numerical limit={numerical_lim(f, 1, h):.5f}')：这是一个打印语句，它会将一些文本和变量的值打印到控制台。在这个例子中，它打印了h的值和通过调用numerical_lim函数计算得到的数值极限值。 -
h *= 0.1：这是一个赋值语句，它将h乘以0.1的值再赋给h。这个操作会使h的值逐渐减小，用于计算不同步长下的数值极限值。
这段代码的作用是计算一个函数在不同步长下的数值极限值。它首先定义了一个函数numerical_lim，然后使用一个循环来计算并打印不同步长下的数值极限值。
def use_svg_display(): #@save
"""使用svg格式在Jupyter中显示绘图"""
backend_inline.set_matplotlib_formats('svg')-
backend_inline.set_matplotlib_formats('svg')：这是一个函数调用语句，它调用了backend_inline模块的set_matplotlib_formats函数，并将字符串'svg'作为参数传递给该函数。这个函数调用的作用是设置Matplotlib绘图库在Jupyter Notebook中使用SVG格式显示图形。 - 注意，注释
#@save是一个特殊的标记，会将对应的函数、类或语句保存在d2l包中。 因此，以后无须重新定义就可以直接调用它们（例如，d2l.use_svg_display()）。def set_figsize(figsize=(3.5, 2.5)): #@save """设置matplotlib的图表大小""" use_svg_display() d2l.plt.rcParams['figure.figsize'] = figsize我们定义
set_figsize函数来设置图表大小。 注意，这里可以直接使用d2l.plt，因为导入语句from matplotlib import pyplot as plt已标记为保存到d2l包中。
d2l.plt.rcParams是 Matplotlib 的全局配置对象，用于设置各种默认参数。['figure.figsize']是配置对象中的一个属性，用于设置图表的大小。=是赋值操作符，将figsize的值赋给d2l.plt.rcParams['figure.figsize']。
这行代码将 figsize 的值设为了 d2l.plt.rcParams['figure.figsize']，即将默认图表大小设置为 figsize。这样，在后续的绘图操作中，如果没有显式指定图表大小，就会使用这个默认值。
#@save
def set_axes(axes, xlabel, ylabel, xlim, ylim, xscale, yscale, legend):
"""设置matplotlib的轴"""
axes.set_xlabel(xlabel)
axes.set_ylabel(ylabel)
axes.set_xscale(xscale)
axes.set_yscale(yscale)
axes.set_xlim(xlim)
axes.set_ylim(ylim)
if legend:
axes.legend(legend)
axes.grid()axes.set_xlabel(xlabel)：设置X轴的标签。axes.set_ylabel(ylabel)：设置Y轴的标签。axes.set_xscale(xscale)：设置X轴的刻度。axes.set_yscale(yscale)：设置Y轴的刻度。axes.set_xlim(xlim)：设置X轴的范围。axes.set_ylim(ylim)：设置Y轴的范围。if legend:：检查legend是否为真。axes.legend(legend)：显示图例。axes.grid()：显示网格线
#@save
def plot(X, Y=None, xlabel=None, ylabel=None, legend=None, xlim=None,
ylim=None, xscale='linear', yscale='linear',
fmts=('-', 'm--', 'g-.', 'r:'), figsize=(3.5, 2.5), axes=None):
"""绘制数据点"""
if legend is None:
legend = []
set_figsize(figsize)
axes = axes if axes else d2l.plt.gca()
# 如果X有一个轴，输出True
def has_one_axis(X):
return (hasattr(X, "ndim") and X.ndim == 1 or isinstance(X, list)
and not hasattr(X[0], "__len__"))
if has_one_axis(X):
X = [X]
if Y is None:
X, Y = [[]] * len(X), X
elif has_one_axis(Y):
Y = [Y]
if len(X) != len(Y):
X = X * len(Y)
axes.cla()
for x, y, fmt in zip(X, Y, fmts):
if len(x):
axes.plot(x, y, fmt)
else:
axes.plot(y, fmt)
set_axes(axes, xlabel, ylabel, xlim, ylim, xscale, yscale, legend)1.
- `X`：数据点的x坐标，可以是一个列表或者一个数组。
- `Y`：数据点的y坐标，可以是一个列表或者一个数组。如果`Y`为`None`，则默认使用`X`作为y坐标。
- `xlabel`：x轴的标签。
- `ylabel`：y轴的标签。
- `legend`：图例的标签，可以是一个列表。
- `xlim`：x轴的取值范围。
- `ylim`：y轴的取值范围。
- `xscale`：x轴的缩放类型，默认为线性缩放。
- `yscale`：y轴的缩放类型，默认为线性缩放。
- `fmts`：数据点的样式，可以是一个字符串或者一个字符串的列表。默认为`('-', 'm--', 'g-.', 'r:')`。
- `figsize`：图表的大小，用一个元组表示，默认为`(3.5, 2.5)`。
- `axes`：绘图的`Axes`对象。如果为`None`，则默认使用当前的`Axes`对象。
2.
如果legend参数为None，则将其设置为空列表。
3.
axes参数表示绘图的Axes对象，如果为None，则默认使用当前的Axes对象。
接下来，代码使用了一个三元表达式来判断axes参数是否为None。如果axes不为None，则将axes赋值给axes，即axes = axes；如果axes为None，则调用d2l.plt.gca()函数获取当前的Axes对象，并将其赋值给axes。
d2l.plt.gca()函数是matplotlib.pyplot模块中的一个函数，用于获取当前的Axes对象。gca是"get current axes"的缩写。当我们在绘图时没有指定Axes对象时，matplotlib会自动创建一个Axes对象，并将其设置为当前的Axes对象。因此，gca函数可以获取到当前的Axes对象。
最终，通过这行代码，我们可以获取到一个有效的Axes对象，用于后续的绘图操作
4.
has_one_axis函数用于判断一个对象X是否只有一个轴。
首先，函数使用了一个条件表达式来判断X是否具有属性ndim，并且ndim的值是否为1。ndim是numpy中的一个属性，用于表示数组的维度数。如果X是一个numpy数组，并且它的维度数为1，则条件表达式的值为True；否则为False。
接下来，函数使用了一个条件表达式来判断X是否为一个列表，并且列表的第一个元素不具有属性__len__。__len__是一个特殊方法，用于返回对象的长度。如果X是一个列表，并且列表的第一个元素不具有__len__属性，则条件表达式的值为True；否则为False。
最终，函数的返回值为两个条件表达式的逻辑或运算结果。如果其中任意一个条件表达式的值为True，则函数返回True；否则返回False。
通过这个函数，我们可以判断一个对象是否只有一个轴，即判断它是否为一维数组或列表中的一个元素
5.
if has_one_axis(X):
X = [X]
如果X只有一个轴，将其转换为一个列表。
6.
if Y is None:
X, Y = [[]] * len(X), X
elif has_one_axis(Y):
Y = [Y]
如果Y为None，则将X转换为一个空列表的列表，并将X赋值给Y；如果Y只有一个轴，则将其转换为一个列表。
7.
if len(X) != len(Y):
X = X * len(Y)
如果X和Y的长度不相等，则将X复制多次，使其长度与Y相等
8.
axes.cla()
清除当前的Axes对象。
9.
for x, y, fmt in zip(X, Y, fmts):
if len(x):
axes.plot(x, y, fmt)
else:
axes.plot(y, fmt)
代码使用zip()函数将X、Y和fmts三个列表的对应元素进行配对，得到一个迭代器。zip()函数将每个列表的第i个元素组合成一个元组(X[i], Y[i], fmts[i])，并返回一个包含这些元组的迭代器。
接下来，代码使用for循环遍历这个迭代器中的每个元组，依次赋值给变量x、y和fmt。
在每次循环中，代码使用一个条件语句判断x的长度是否大于0，即len(x)是否为非零值。如果x的长度大于0，则说明x是一个非空列表，可以直接使用axes.plot(x, y, fmt)来绘制线图。其中，x和y分别表示横坐标和纵坐标的数据，fmt表示线图的格式。
如果x的长度为0，则说明x是一个空列表，无法用作横坐标数据。此时，代码使用axes.plot(y, fmt)来绘制线图，将y作为纵坐标数据，fmt作为线图的格式。
通过这段代码，可以根据给定的数据和格式，在指定的Axes对象上绘制线图。如果x不为空，则绘制x和y的线图；如果x为空，则只绘制y的线图
10.
代码使用np.arange()函数创建一个从0到3（不包括3），步长为0.1的一维数组，并将其赋值给变量x。这个数组包含了从0到2.9的一系列数值。
接下来，代码调用plot()函数，传入三个参数：x、[f(x), 2 * x - 3]和'x'。其中，x是横坐标数据，[f(x), 2 * x - 3]是纵坐标数据，'x'是线图的格式。这个函数调用的目的是绘制x和f(x)的线图，以及x和2 * x - 3的线图。
最后，代码使用legend参数来添加图例。legend参数是一个列表，包含了两个字符串：'f(x)'和'Tangent line (x=1)'。这个参数的作用是为绘制的线图添加图例，分别表示f(x)和在点(1, f(1))处的切线。
通过这段代码，我们可以在一个图中同时绘制函数f(x)和它在点(1, f(1))处的切线，并添加相应的图例。
1710
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
