python画指数函数图像_「指数函数图像」python画出e指数函数的图像 - seo实验室...

指数函数图像

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 = np.concatenate((t1, t2))

print(t) # 横轴数据

y = np.empty_like(t)

for i, x in enumerate(t):

y[i] = calc_e(x)

print('e^', x, ' = ', y[i], '(近似值)\t', math.exp(x), '(真实值)')

# print '误差：', y[i] - math.exp(x)

plt.figure(facecolor='w')

mpl.rcparams['font.sans-serif'] = [u'SimHei']

mpl.rcParams['axes.unicode_minus'] = False

plt.plot(t, y, 'r-', t, y, 'go', linewidth=2)

plt.title(u'Taylor展式的应用 - 指数函数', fontsize=18)

plt.xlabel('X', fontsize=15)

plt.ylabel('exp(X)', fontsize=15)

plt.grid(True)

plt.show()

相关阅读

目录

数据导入

单变量线性回归

绘制散点图

相关系数R

拆分训练集和测试集

多变量线性回归

数据检验（判断是否可以做线性回归）

训练

一、%格式化

1.整数输出

%d # 十进制

%o # 八进制

%x # 十六进制

print("%d"%23) # 23

print("%o"%23) # 27

print("%x"%

简单说说这个意义。做了很久的c#,突然发现Python火了。就看看，估计这篇博文有点长，有点长，尽量包括主要的东西，还有点杂，浏览吧，选择自

爬取流程:

第一步:第二步:第三步:第四步:第五步:代码流程:

import requests

import re

import json

from lxml import etree

impo

1. 基本用法

1）仅对于list类型的数据

a.sort() 按升序

a.sort(reverse = True) 按降序

2）对于所有可排序类型的数据

sorted(a, reve