python画函数图像-python实现画出e指数函数的图像

本文介绍了如何使用Python通过泰勒级数逼近方法绘制指数函数y=exp(x)的图像。代码中定义了`calc_e_small`和`calc_e`两个函数来计算e的指数,并结合matplotlib库展示图像。文章展示了从-2到3的x值范围内的近似值和真实值,并进行了误差比较。
摘要由CSDN通过智能技术生成

这里用Python逼近函数y = exp(x);同样使用泰勒函数去逼近:

exp(x) = 1 + x + (x)^2/(2!) + .. + (x)^n/(n!) + ...

#!/usr/bin/python

# -*- coding:utf-8 -*-

import numpy as np

import math

import matplotlib as mpl

import matplotlib.pyplot as plt

def calc_e_small(x):

n = 10

f = np.arange(1, n+1).cumprod()

b = np.array([x]*n).cumprod()

return np.sum(b / f) + 1

def calc_e(x):

reverse = False

if x < 0: # 处理负数

x = -x

reverse = True

ln2 = 0.69314718055994530941723212145818

c = x / ln2

a = int(c+0.5)

b = x - a*ln2

y = (2 ** a) * calc_e_small(b)

if reverse:

return 1/y

return y

if __name__ == "__main__":

t1 = np.linspace(-2, 0, 10, endpoint=False)

t2 = np.linspace(0, 3, 20)

t &#

要在Python指数函数图像,可以使用Matplotlib库。以下是一个简单的例子: ```python import numpy as np import matplotlib.pyplot as plt # 定义指数函数 def exp_func(x, a, b): return a * np.exp(b * x) # 生成一些随机数据 x_data = np.linspace(0, 5, 50) y_data = 2.5 * np.exp(0.8 * x_data) + np.random.normal(size=50) # 使用curve_fit函数进行拟合 from scipy.optimize import curve_fit popt, pcov = curve_fit(exp_func, x_data, y_data) # 绘制数据和拟合曲线 plt.scatter(x_data, y_data) plt.plot(x_data, exp_func(x_data, *popt), 'r-') plt.show() ``` 在上面的代码中,我们首先定义了一个指数函数`exp_func`,然后生成一些随机数据。使用`curve_fit`函数进行拟合,得到拟合参数`popt`。最后,使用Matplotlib库绘制数据和拟合曲线。 如果你想要更深入地了解如何使用Python进行回归分析,可以使用Scikit-learn库。这个库包含了许多常见的回归算法,包括线性回归、岭回归、Lasso回归、弹性网络回归等。以下是一个使用岭回归进行指数拟合的例子: ```python import numpy as np from sklearn.linear_model import Ridge import matplotlib.pyplot as plt # 生成一些随机数据 x_data = np.linspace(0, 5, 50) y_data = 2.5 * np.exp(0.8 * x_data) + np.random.normal(size=50) # 将数据转化为矩阵形式 X = x_data.reshape(-1, 1) y = y_data.reshape(-1, 1) # 使用岭回归进行拟合 ridge = Ridge(alpha=1.0) ridge.fit(X, y) # 绘制数据和拟合曲线 plt.scatter(x_data, y_data) plt.plot(x_data, ridge.predict(X), 'r-') plt.show() ``` 在上面的代码中,我们首先生成一些随机数据。将数据转化为矩阵形式,然后使用岭回归进行拟合。最后,使用Matplotlib库绘制数据和拟合曲线。
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