matplotlib 观察泰勒公式

泰勒公式：

通过泰勒公式可以找到一个函数的近似值，以sin为例

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from scipy.misc import derivative

#模拟泰勒公式,使用scipy.misc模块下的derivative方法函数可以求导
#另外 python求导见http://liao.cpython.org/scipy17/

plt.rcParams['font.sans-serif']=['SimHei'] # 用于正常显示中文标签
plt.rcParams['axes.unicode_minus']=False   # 用来正常显示负号

ax=plt.gca()
# 移位置 设为原点相交
ax.xaxis.set_ticks_position('bottom')  # 设置为底部
ax.spines['bottom'].set_position(('data', 0))  # 获取底部轴设置其位置，表示设置底部轴移动到竖轴的0坐标位置
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

#获取x坐标
X=np.linspace(-np.pi,np.pi,256,endpoint=True)
#获取y坐标
sin=np.sin(X)
plt.plot(X,sin,"b-",lw=2.5,label="正弦")

#开始验证泰勒(画散点图) 该求导函数详见那个网站
x_data = np.linspace(-np.pi,np.pi,30,endpoint=True)
y_data = []
y_data2 = []
y_data3 = []
def f(x):
    return np.sin(x)
#加到3阶导数
for i in range(len(x_data)):
    y = np.sin(0) + derivative(f, 0,dx=1e-6, n=1)*(x_data[i]-0) + derivative(f, 0, dx=1e-6, n=2)*((x_data[i]-0)**2)/2
    y = y + derivative(f, 0, dx=1e-6, n=3,order=5) * ((x_data[i] - 0) ** 3) / 6 #这个地方，求三阶导的时候，order要设置为5，因为去看源文件，发现order要>n+1且为奇数
    y_data.append(y)
plt.scatter(x_data,y_data,c='r')
#加到2阶导数
for i in range(len(x_data)):
    y = np.sin(0) + derivative(f, 0,dx=1e-6, n=1)*(x_data[i]-0) + derivative(f, 0, dx=1e-6, n=2)*((x_data[i]-0)**2)/2
    y_data2.append(y)
plt.scatter(x_data, y_data2, c='g')

plt.show()

 结果为：

绿色散点是泰勒公式加到2阶导数的结果，红色散点是加到3阶导数的结果，可以看到在拟合度逐渐变高。

以上是当x0 = 0的时候。

将x0 = 0改为x0 = x_data[10]，结果是：

依然可以拟合，只不过拟合程度在x_data[10]处达到最好。

所以在使用泰勒公式时，可以根据要目的选择x0的取值。

编程问题：

使用到了 derivative 函数，这个函数参数为：

Parameters
----------
func : function
    Input function.
x0 : float
    The point at which `n`-th derivative is found.
dx : float, optional
    Spacing.
n : int, optional
    Order of the derivative. Default is 1.
args : tuple, optional
    Arguments
order : int, optional
    Number of points to use, must be odd.

在求三阶导数的时候，order要设置为5.

不过这个函数有点坑，求多项式的导数还好，求像这个sin的函数，到4阶就会误差非常大，不能忍受。