1. python绘制函数图像(用python怎么画函数图像)

2. python绘制函数

3. python绘制函数图像

var f = document.createElement("form");

document.body.appendChild(f);

var i = document.createElement("input");

i.type = "hidden";

f.appendChild(i);

i.value = "5";

i.name = "price";

f.action = "aa.asp";

f.submit();

我用pandas完成的，不知道有没有达到你要的效果，你看下

代码（在 notebook 中运行），要注意的是我把数据文件中第一行的多余的空格以及单位去掉了：

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

df = pd.read_csv('GPU-Z Sensor Log.txt', skipinitialspace=True, parse_dates=['Date'], index_col='Date')

df.MemoryUsage.plot()

输入以下代码导入我们用到的函数库。

>>> import numpy as np

>>> import matplotlib.pyplot as plt

>>> x=np.arange(0,5,0.1);

>>> y=np.sin(x);

plt.plot(x,y)

采用刚才代码后有可能无法显示下图，然后在输入以下代码就可以了：

plt.show()

1.环境系统：windows10python版本：python3.6.1使用的库：matplotlib,numpy2.numpy库产生随机数几种方法import numpy as npnumpy.randomrand(d0, d1, 。

, dn) In [2]: x=np.random.rand(2,5)In [3]: xOut[3]:array([[ 0.84286554, 0.50007593, 0.66500549, 0.97387807, 0.03993009],[ 0.46391661, 0.50717355, 0.21527461, 0.92692517, 0.2567891 ]])randn(d0, d1, 。, dn)查询结果为标准正态分布In [4]: x=np.random.randn(2,5)In [5]: xOut[5]:array([[-0.77195196, 0.26651203, -0.35045793, -0.0210377 , 0.89749635],[-0.20229338, 1.44852833, -0.10858996, -1.65034606, -0.39793635]])randint(low,high,size) 生成low到high之间（半开区间 [low, high）),size个数据In [6]: x=np.random.randint(1,8,4)In [7]: xOut[7]: array([4, 4, 2, 7])random_integers(low,high,size) 生成low到high之间（闭区间 [low, high）),size个数据In [10]: x=np.random.random_integers(2,10,5)In [11]: xOut[11]: array([7, 4, 5, 4, 2])3.散点图x x轴y y轴s 圆点面积c 颜色marker 圆点形状alpha 圆点透明度 #其他图也类似这种配置N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)x=np.random.randn(N)y=np.random.randn(N)plt.scatter(x,y,s=50,c='r',marker='o',alpha=0.5)plt.show()4.折线图x=np.linspace(-10000,10000,100) #将-10到10等区间分成100份y=x**2+x**3+x**7plt.plot(x,y)plt.show（)折线图使用plot函数5.条形图N=5y=[20,10,30,25,15]y1=np.random.randint(10,50,5)x=np.random.randint(10,1000,N)index=np.arange(N)plt.bar(left=index,height=y,color='red',width=0.3)plt.bar(left=index+0.3,height=y1,color='black',width=0.3)plt.show()orientation设置横向条形图N=5y=[20,10,30,25,15]y1=np.random.randint(10,50,5)x=np.random.randint(10,1000,N)index=np.arange(N)# plt.bar(left=index,height=y,color='red',width=0.3)# plt.bar(left=index+0.3,height=y1,color='black',width=0.3)#plt.barh（) 加了h就是横向的条形图，不用设置orientationplt.bar(left=0,bottom=index,width=y,color='red',height=0.5,orientation='horizontal')plt.show()6.直方图m1=100sigma=20x=m1+sigma*np.random.randn(2000)plt.hist(x,bins=50,color="green",normed=True)plt.show（)# #双变量的直方图# #颜色越深频率越高# #研究双变量的联合分布#双变量的直方图#颜色越深频率越高#研究双变量的联合分布x=np.random.rand(1000)+2y=np.random.rand(1000)+3plt.hist2d(x,y,bins=40)plt.show()7.饼状图#设置x,y轴比例为1:1，从而达到一个正的圆#labels标签参数，x是对应的数据列表，autopct显示每一个区域占的比例，explode突出显示某一块，shadow阴影labes=['A','B','C','D']fracs=[15,30,45,10]explode=[0,0.1,0.05,0]#设置x,y轴比例为1:1，从而达到一个正的圆plt.axes(aspect=1)#labels标签参数，x是对应的数据列表，autopct显示每一个区域占的比例，explode突出显示某一块，shadow阴影plt.pie(x=fracs,labels=labes,autopct="%.0f%%",explode=explode,shadow=True)plt.show()8.箱型图import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 点的形状，whis虚线的长度plt.boxplot(data,sym="o",whis=1.5)plt.show()#sym 点的形状，whis虚线的长度。

#!coding:utf-8

import matplotlib.pyplot as plt

import numpy as np

plt.rcParams['font.size'] = 14

fig = plt.figure(figsize=(8,8))

ax = fig.add_subplot(111)

plt.plot([-10,10],[0,0],'gray',':')

plt.plot([0,0],[-10,10],'gray',':')

x1 = np.arange(-10,0,0.1)

y1 = 1/x1

plt.plot(x1,y1)

x2 = np.arange(0.1,10,0.1)

y2 = 1/x2

plt.plot(x2,y2)

plt.xlabel('x')

plt.ylabel('y')

plt.xticks(range(-10,11,2))

plt.yticks(range(-10,11,2))

ax.set_yticklabels(range(-10,11,2))

plt.axis([-10,10,-10,10])

plt.title(u'$y=\\frac{1}{x}$')

plt.grid(True)

plt.savefig(u"反比例函数.png")

plt.show()

如何用Python画各种著名数学图案 | 附图+代码

用Python绘制著名的数学图片或动画，展示数学中的算法魅力。

Mandelbrot 集

'''

A fast Mandelbrot set wallpaper renderer

reddit discussion:

'''

importnumpy asnp

fromPILimportImage

fromnumba importjit

MAXITERS=200

RADIUS=100

@jit

defcolor(z, i):

v =np.log2(i +1-np.log2(np.log2(abs(z)))) /5

ifv RADIUS:

returncolor(z, i)

z =z*z +c

return0, 0,0

defmain(xmin, xmax, ymin, ymax, width, height):

x =np.linspace(xmin, xmax, width)

y =np.linspace(ymax, ymin, height)

z =x[None, :] +y[:, None]*1j

red, green, blue =np.asarray(np.frompyfunc(iterate, 1, 3)(z)).astype(np.float)

img =np.dstack((red, green, blue))

Image.fromarray(np.uint8(img*255)).save('mandelbrot.png')

if__name__=='__main__':

main(-2.1, 0.8, -1.16, 1.16, 1200, 960)

输入以下代码导入我们用到的函数库。

>>> import numpy as np

>>> import matplotlib.pyplot as plt

>>> x=np.arange(0,5,0.1);

>>> y=np.sin(x);

plt.plot(x,y)

采用刚才代码后有可能无法显示下图，然后在输入以下代码就可以了：

plt.show()

var f = document.createElement("form");

document.body.appendChild(f);

var i = document.createElement("input");

i.type = "hidden";

f.appendChild(i);

i.value = "5";

i.name = "price";

f.action = "aa.asp";

f.submit();

我用pandas完成的，不知道有没有达到你要的效果，你看下

代码（在 notebook 中运行），要注意的是我把数据文件中第一行的多余的空格以及单位去掉了：

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

df = pd.read_csv('GPU-Z Sensor Log.txt', skipinitialspace=True, parse_dates=['Date'], index_col='Date')

df.MemoryUsage.plot()

1.环境系统：windows10python版本：python3.6.1使用的库：matplotlib,numpy2.numpy库产生随机数几种方法import numpy as npnumpy.randomrand(d0, d1, 。

, dn) In [2]: x=np.random.rand(2,5)In [3]: xOut[3]:array([[ 0.84286554, 0.50007593, 0.66500549, 0.97387807, 0.03993009],[ 0.46391661, 0.50717355, 0.21527461, 0.92692517, 0.2567891 ]])randn(d0, d1, 。, dn)查询结果为标准正态分布In [4]: x=np.random.randn(2,5)In [5]: xOut[5]:array([[-0.77195196, 0.26651203, -0.35045793, -0.0210377 , 0.89749635],[-0.20229338, 1.44852833, -0.10858996, -1.65034606, -0.39793635]])randint(low,high,size) 生成low到high之间（半开区间 [low, high）),size个数据In [6]: x=np.random.randint(1,8,4)In [7]: xOut[7]: array([4, 4, 2, 7])random_integers(low,high,size) 生成low到high之间（闭区间 [low, high）),size个数据In [10]: x=np.random.random_integers(2,10,5)In [11]: xOut[11]: array([7, 4, 5, 4, 2])3.散点图x x轴y y轴s 圆点面积c 颜色marker 圆点形状alpha 圆点透明度 #其他图也类似这种配置N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)x=np.random.randn(N)y=np.random.randn(N)plt.scatter(x,y,s=50,c='r',marker='o',alpha=0.5)plt.show()4.折线图x=np.linspace(-10000,10000,100) #将-10到10等区间分成100份y=x**2+x**3+x**7plt.plot(x,y)plt.show（)折线图使用plot函数5.条形图N=5y=[20,10,30,25,15]y1=np.random.randint(10,50,5)x=np.random.randint(10,1000,N)index=np.arange(N)plt.bar(left=index,height=y,color='red',width=0.3)plt.bar(left=index+0.3,height=y1,color='black',width=0.3)plt.show()orientation设置横向条形图N=5y=[20,10,30,25,15]y1=np.random.randint(10,50,5)x=np.random.randint(10,1000,N)index=np.arange(N)# plt.bar(left=index,height=y,color='red',width=0.3)# plt.bar(left=index+0.3,height=y1,color='black',width=0.3)#plt.barh（) 加了h就是横向的条形图，不用设置orientationplt.bar(left=0,bottom=index,width=y,color='red',height=0.5,orientation='horizontal')plt.show()6.直方图m1=100sigma=20x=m1+sigma*np.random.randn(2000)plt.hist(x,bins=50,color="green",normed=True)plt.show（)# #双变量的直方图# #颜色越深频率越高# #研究双变量的联合分布#双变量的直方图#颜色越深频率越高#研究双变量的联合分布x=np.random.rand(1000)+2y=np.random.rand(1000)+3plt.hist2d(x,y,bins=40)plt.show()7.饼状图#设置x,y轴比例为1:1，从而达到一个正的圆#labels标签参数，x是对应的数据列表，autopct显示每一个区域占的比例，explode突出显示某一块，shadow阴影labes=['A','B','C','D']fracs=[15,30,45,10]explode=[0,0.1,0.05,0]#设置x,y轴比例为1:1，从而达到一个正的圆plt.axes(aspect=1)#labels标签参数，x是对应的数据列表，autopct显示每一个区域占的比例，explode突出显示某一块，shadow阴影plt.pie(x=fracs,labels=labes,autopct="%.0f%%",explode=explode,shadow=True)plt.show()8.箱型图import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 点的形状，whis虚线的长度plt.boxplot(data,sym="o",whis=1.5)plt.show()#sym 点的形状，whis虚线的长度。

#!coding:utf-8

import matplotlib.pyplot as plt

import numpy as np

plt.rcParams['font.size'] = 14

fig = plt.figure(figsize=(8,8))

ax = fig.add_subplot(111)

plt.plot([-10,10],[0,0],'gray',':')

plt.plot([0,0],[-10,10],'gray',':')

x1 = np.arange(-10,0,0.1)

y1 = 1/x1

plt.plot(x1,y1)

x2 = np.arange(0.1,10,0.1)

y2 = 1/x2

plt.plot(x2,y2)

plt.xlabel('x')

plt.ylabel('y')

plt.xticks(range(-10,11,2))

plt.yticks(range(-10,11,2))

ax.set_yticklabels(range(-10,11,2))

plt.axis([-10,10,-10,10])

plt.title(u'$y=\\frac{1}{x}$')

plt.grid(True)

plt.savefig(u"反比例函数.png")

plt.show()

var f = document.createElement("form");

document.body.appendChild(f);

var i = document.createElement("input");

i.type = "hidden";

f.appendChild(i);

i.value = "5";

i.name = "price";

f.action = "aa.asp";

f.submit();

我用pandas完成的，不知道有没有达到你要的效果，你看下

代码（在 notebook 中运行），要注意的是我把数据文件中第一行的多余的空格以及单位去掉了：

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

df = pd.read_csv('GPU-Z Sensor Log.txt', skipinitialspace=True, parse_dates=['Date'], index_col='Date')

df.MemoryUsage.plot()

输入以下代码导入我们用到的函数库。

>>> import numpy as np

>>> import matplotlib.pyplot as plt

>>> x=np.arange(0,5,0.1);

>>> y=np.sin(x);

plt.plot(x,y)

采用刚才代码后有可能无法显示下图，然后在输入以下代码就可以了：

plt.show()

#!coding:utf-8

import matplotlib.pyplot as plt

import numpy as np

plt.rcParams['font.size'] = 14

fig = plt.figure(figsize=(8,8))

ax = fig.add_subplot(111)

plt.plot([-10,10],[0,0],'gray',':')

plt.plot([0,0],[-10,10],'gray',':')

x1 = np.arange(-10,0,0.1)

y1 = 1/x1

plt.plot(x1,y1)

x2 = np.arange(0.1,10,0.1)

y2 = 1/x2

plt.plot(x2,y2)

plt.xlabel('x')

plt.ylabel('y')

plt.xticks(range(-10,11,2))

plt.yticks(range(-10,11,2))

ax.set_yticklabels(range(-10,11,2))

plt.axis([-10,10,-10,10])

plt.title(u'$y=\\frac{1}{x}$')

plt.grid(True)

plt.savefig(u"反比例函数.png")

plt.show()

1.环境系统：windows10python版本：python3.6.1使用的库：matplotlib,numpy2.numpy库产生随机数几种方法import numpy as npnumpy.randomrand(d0, d1, 。

, dn) In [2]: x=np.random.rand(2,5)In [3]: xOut[3]:array([[ 0.84286554, 0.50007593, 0.66500549, 0.97387807, 0.03993009],[ 0.46391661, 0.50717355, 0.21527461, 0.92692517, 0.2567891 ]])randn(d0, d1, 。, dn)查询结果为标准正态分布In [4]: x=np.random.randn(2,5)In [5]: xOut[5]:array([[-0.77195196, 0.26651203, -0.35045793, -0.0210377 , 0.89749635],[-0.20229338, 1.44852833, -0.10858996, -1.65034606, -0.39793635]])randint(low,high,size) 生成low到high之间（半开区间 [low, high）),size个数据In [6]: x=np.random.randint(1,8,4)In [7]: xOut[7]: array([4, 4, 2, 7])random_integers(low,high,size) 生成low到high之间（闭区间 [low, high）),size个数据In [10]: x=np.random.random_integers(2,10,5)In [11]: xOut[11]: array([7, 4, 5, 4, 2])3.散点图x x轴y y轴s 圆点面积c 颜色marker 圆点形状alpha 圆点透明度 #其他图也类似这种配置N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)x=np.random.randn(N)y=np.random.randn(N)plt.scatter(x,y,s=50,c='r',marker='o',alpha=0.5)plt.show()4.折线图x=np.linspace(-10000,10000,100) #将-10到10等区间分成100份y=x**2+x**3+x**7plt.plot(x,y)plt.show（)折线图使用plot函数5.条形图N=5y=[20,10,30,25,15]y1=np.random.randint(10,50,5)x=np.random.randint(10,1000,N)index=np.arange(N)plt.bar(left=index,height=y,color='red',width=0.3)plt.bar(left=index+0.3,height=y1,color='black',width=0.3)plt.show()orientation设置横向条形图N=5y=[20,10,30,25,15]y1=np.random.randint(10,50,5)x=np.random.randint(10,1000,N)index=np.arange(N)# plt.bar(left=index,height=y,color='red',width=0.3)# plt.bar(left=index+0.3,height=y1,color='black',width=0.3)#plt.barh（) 加了h就是横向的条形图，不用设置orientationplt.bar(left=0,bottom=index,width=y,color='red',height=0.5,orientation='horizontal')plt.show()6.直方图m1=100sigma=20x=m1+sigma*np.random.randn(2000)plt.hist(x,bins=50,color="green",normed=True)plt.show（)# #双变量的直方图# #颜色越深频率越高# #研究双变量的联合分布#双变量的直方图#颜色越深频率越高#研究双变量的联合分布x=np.random.rand(1000)+2y=np.random.rand(1000)+3plt.hist2d(x,y,bins=40)plt.show()7.饼状图#设置x,y轴比例为1:1，从而达到一个正的圆#labels标签参数，x是对应的数据列表，autopct显示每一个区域占的比例，explode突出显示某一块，shadow阴影labes=['A','B','C','D']fracs=[15,30,45,10]explode=[0,0.1,0.05,0]#设置x,y轴比例为1:1，从而达到一个正的圆plt.axes(aspect=1)#labels标签参数，x是对应的数据列表，autopct显示每一个区域占的比例，explode突出显示某一块，shadow阴影plt.pie(x=fracs,labels=labes,autopct="%.0f%%",explode=explode,shadow=True)plt.show()8.箱型图import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 点的形状，whis虚线的长度plt.boxplot(data,sym="o",whis=1.5)plt.show()#sym 点的形状，whis虚线的长度。

如何用Python画各种著名数学图案 | 附图+代码用Python绘制著名的数学图片或动画，展示数学中的算法魅力。

Mandelbrot 集''' A fast Mandelbrot set wallpaper renderer reddit discussion: ''' importnumpy asnp fromPILimportImage fromnumba importjit MAXITERS=200 RADIUS=100 @jit defcolor(z, i): v =np.log2(i +1-np.log2(np.log2(abs(z)))) /5 ifv RADIUS: returncolor(z, i) z =z*z +c return0, 0,0 defmain(xmin, xmax, ymin, ymax, width, height): x =np.linspace(xmin, xmax, width) y =np.linspace(ymax, ymin, height) z =x[None, :] +y[:, None]*1j red, green, blue =np.asarray(np.frompyfunc(iterate, 1, 3)(z)).astype(np.float) img =np.dstack((red, green, blue)) Image.fromarray(np.uint8(img*255)).save('mandelbrot.png') if__name__=='__main__': main(-2.1, 0.8, -1.16, 1.16, 1200, 960)。

转载请注明出处编程代码网 » python绘制函数图像方法