问题描述

  • 自定义一个函数F(x),编写程序计算其一阶导数、二阶导数,并绘出图像

完整代码

  • 这里用sin(x)做示范
import numpy as np
import matplotlib.pyplot as plt
from sympy import * # 用于求导积分等科学计算plt.rcParams['axes.unicode_minus']=False # 处理负号显示不正常# 画图格式函数
def fun_format():plt.xlabel('x')plt.ylabel('y')plt.xlim((-2*np.pi,2*np.pi))plt.ylim((-1,1))plt.tight_layout()x,y = symbols('x y') # 引入x y变量
expr = sin(x) # 计算表达式
x_value = [] # 用于保存x值
y_value = [] # 用于保存y值
y_value_dif = [] # 用于保存一阶导数值
y_value_dif2 = [] # 用于保存二阶导数值
expr_dif = diff(expr,x,1)
expr_dif2 = diff(expr,x,2)for i in np.arange(-2*np.pi,2*np.pi,0.01):x_value.append(i)y_value.append(expr.subs('x',i)) # 将i值代入表达式y_value_dif.append(expr_dif.subs('x',i)) # 将i值代入一阶求导表达式y_value_dif2.append(expr_dif2.subs('x',i)) # 将i值代入二阶求导表达式fig=plt.figure()
ax1=fig.add_subplot(2,1,1) #
plt.title('f(x)='+str(expr))
fun_format()
ax1.plot(x_value,y_value) # 画原函数图ax2=fig.add_subplot(2,2,3)
plt.title('f(x)_dot='+str(expr_dif))
fun_format()
ax2.plot(x_value,y_value_dif) # 画一阶导数图ax3=fig.add_subplot(2,2,4)
plt.title('f(x)_dot2='+str(expr_dif2))
fun_format()
ax3.plot(x_value,y_value_dif2) # 画二阶导数图
plt.show()

实验结果

参考文章

  • 使用matplotlib绘制多个子图时出现标题、轴标签等文字重叠的解决
  • 使用sympy包实现python求导数
  • python使用matplotlib:subplot绘制多个子图

【Python数据分析学习实例】计算某个函数的一阶导数、二阶导数,并绘出图像相关推荐

  1. 【Python数据分析学习实例】对学生成绩单和信息进行整合以及数据分析

    问题描述 自建EXCEL文件,分为2个工作区,分别存放学生信息表(不少于30人)和班级职务表(不少于4种职务). 如信息表: 学号 姓名 性别 数学 英语 Python 通信技术 1001 张三 男 ...

  2. 【Python数据分析学习实例】动态新闻标题热点挖掘

    问题描述 新闻标题是新闻的主旨,从新闻标题中可以进行多种内容的挖掘,通过对学校新闻网的新闻进行分析获得热点词,基于这些标题中的热点词设计并实现构建词云的算法,最后根据词云模型统计热点词的词频,可以快速 ...

  3. Python数据分析学习四 NumPy基础:数组和矢量计算

    Python数据分析学习系列四NumPy基础:数组和矢量计算 资料转自(GitHub地址):https://github.com/wesm/pydata-book 有需要的朋友可以自行去github下 ...

  4. Python数据分析学习笔记:计算向量夹角

    Python数据分析学习笔记:计算向量夹角 通过计算两个向量夹角了解两个向量之间的相关性. # 计算向量夹角import numpy as npdef included_angle(a, b):a_n ...

  5. Python数据分析学习笔记:计算相关系数

    Python数据分析学习笔记:计算相关系数 1.相关系数概念 相关系数,或称线性相关系数.皮氏积矩相关系数(Pearson product-moment correlation coefficient ...

  6. Python数据分析学习系列 十三 Python建模库介绍

    Python数据分析学习系列 十三 Python建模库介绍 资料转自(GitHub地址):https://github.com/wesm/pydata-book 有需要的朋友可以自行去github下载 ...

  7. Python数据分析学习 一

    Python数据分析学习系列一 资料转自(GitHub地址):https://github.com/wesm/pydata-book 有需要的朋友可以自行去github下载 第1章 准备工作 1.1 ...

  8. Python数据分析学习系列 九 绘图和可视化

    Python数据分析学习系列 九 绘图和可视化 资料转自(GitHub地址):https://github.com/wesm/pydata-book 有需要的朋友可以自行去github下载 信息可视化 ...

  9. Python数据分析学习系列 十一 时间序列

    Python数据分析学习系列 十一 时间序列 资料转自(GitHub地址):https://github.com/wesm/pydata-book 有需要的朋友可以自行去github下载 时间序列(t ...

  10. Python数据分析学习笔记:使用SciKit-Learn进行数据规范化

    Python数据分析学习笔记:使用SciKit-Learn进行数据规范化 数据规范化是数据挖掘的一项基础工作.不同评价指标往往具有不同的量纲,数值见的差别可能很大,不进行处理可能会影响到数据分析的结果 ...

最新文章

  1. Ubuntu16.04 安装谷歌浏览器并配置常用插件与扩展
  2. shiny html5代码,javascript – Shiny:如何正确包含Shiny HTML
  3. A problem while linking c++ to python
  4. UIScrollView的简单使用
  5. Oracle UNDO表空间损坏时的处理办法
  6. SparkSQL: no typetag available for xxxx问题的解决办法
  7. Android 系统性能优化(74)---如何减少lowmemory的发生几率
  8. java中数组的返回值是什么类型_打印java 数组的最简单方式是什么?
  9. Linux 下 Tomcat Https
  10. ES6(Module 模块化)
  11. Grup加密(使其不能强制更改密码)
  12. 打印系统开发(42)——静默打印
  13. arduino代码_Arduino超声波传感器测距代码完全解析
  14. python爬虫面试自我介绍范文_程序员求职面试自我介绍范文4篇
  15. Nagios③:文件初探
  16. Deep Learning读书笔记4---深度模型中的优化
  17. 硬盘io监控linux,zabbix3.2监控linux磁盘IO
  18. 从零开始写一个小米便签
  19. 利用for循环打印 9*9 表?
  20. 史上最牛的论坛推广方法,论坛推广实战方案!

热门文章

  1. 64位计算机可以装32位的系统么,32位的处理器可以装64位的系统吗
  2. 和黄医药宣布获霸菱亚洲投资基金1亿美元股权投资
  3. 百万邮做邮件营销的邮箱配置
  4. 3d打印材料有哪几种
  5. 基于proteus的计数器设计
  6. jquery案例4——jq动画、jq显示与隐藏(规定时间)滑动下拉slideDown,滑动上拉slideUp
  7. 多线程批量检测未注册域名
  8. 数显之家快讯:【SHIO世硕心语】SHIO世硕科技企业文化宣言知多少?
  9. 软件项目工作量评估方法简述之功能点方法(FPA)
  10. Paper:可解释性之ICE/PDP《Peeking Inside the Black Box: Visualizing Statisti窥视黑盒内部:用个体条件期望ICE图可视化统计学习》翻译与解读