python对函数作图,python函数作图代码

python怎么调用函数画五环？

import turtle

turtle.showturtle() #屏幕上显示出来海龟绘图，终端中会用到

turtle.penup() #抬起画笔，此时画笔的移动不会留下痕迹

turtle.pendown() #放下画笔，此时画笔的移动会留下痕迹

turtle.pensize(3) #笔粗为3

turtle.goto(-200,100) #将画笔移动到(-200,100)坐标

turtle.color("red") #设定画笔的颜色为红色

turtle.circle(100) #以当前画笔所在点为圆最下端开始画半径为100的圆

turtle.circle(100,steps=n) #绘制一个周长为100，的n边形

turtle.forward(200) #将画笔前进200

turtle.backward(100) #将比后退100

turtle.right(70) #将画笔箭头的方向向右移70度

turtle.left(90) #将画笔箭头的方向向左移90度

turtle.stamp() #复制当前图形

turtle.write("hello，小朋友"，font=('宋体',20,"normal")) #添加括号里的字符,font设置字符字体，大小以及作用

turtle.reste() #重置

turtle.hideturtle() #将画笔隐藏

turtle.done() #把所绘图显示出来，不关闭绘图软件

给绘制的图形填充颜色

turtle.begin_fill()

turtle.circle(100)

turtle.color("yellow")

turtle.end_fill()

1

2

3

4

例：画出奥运五环

import turtle

turtle.color("blue")

turtle.circle(100)

turtle.penup()

turtle.goto(-200,0)

turtle.pendown()

turtle.color("red")

turtle.circle(100)

turtle.penup()

turtle.goto(200,0)

turtle.color("yellow")

turtle.pendown()

turtle.circle(100)

turtle.penup()

turtle.goto(-100,-100)

turtle.color("black")

turtle.pendown()

turtle.circle(100)

turtle.penup()

turtle.goto(100,-100)

turtle.color("black")

turtle.pendown()

turtle.circle(100)

turtle.done()

相关问答

Q1: python函数图的绘制

pre

import numpy as np

import matplotlib.pyplot as plt

from matplotlib.patches import Polygon

def func(x):

return -(x-2)*(x-8)+40

x=np.linspace(0,10)

y=func(x)

fig,ax = plt.subplots()

plt.plot(x,y,'r',linewidth=2)

plt.ylim(ymin=20)

a=2

b=9

ax.set_xticks([a,b])

ax.set_xticklabels(['$a$','$b$'])

ax.set_yticks([])

plt.figtext(0.9,0.05,'$x$')

plt.figtext(0.1,0.9,'$y$')

ix=np.linspace(a,b)

iy=func(ix)

ixy=zip(ix,iy)

verts=[(a,0)]+list(ixy)+[(b,0)]

poly = Polygon(verts,facecolor='0.9',edgecolor='0.5')

ax.add_patch(poly)

x_math=(a+b)*0.5

y_math=35

plt.text(x_math,y_math,r"$\int_a^b(-(x-2)*(x-8)+40)dx$",horizontalalignment='center',size=12)

plt.show()

/pre

Q2: Python气象数据处理与绘图(2)：常用数据计算方法

对于气象绘图来讲，第一步是对数据的处理，通过各类公式，或者统计方法将原始数据处理为目标数据。

按照气象统计课程的内容，我给出了一些常用到的统计方法的对应函数：

在计算气候态，区域平均时均要使用到求均值函数，对应NCL中的dim_average函数，在python中通常使用np.mean()函数

numpy.mean(a, axis, dtype)

假设a为[time,lat,lon]的数据，那么

需要特别注意的是，气象数据中常有缺测，在NCL中，使用求均值函数会自动略过，而在python中，当任意一数与缺测(np.nan)计算的结果均为np.nan，比如求[1,2,3,4，np.nan]的平均值，结果为np.nan

因此，当数据存在缺测数据时，通常使用np.nanmean()函数，用法同上，此时[1,2,3,4，np.nan]的平均值为(1+2+3+4)/4 = 2.5

同样的，求某数组最大最小值时也有np.nanmax(), np.nanmin()函数来补充np.max(), np.min()的不足。

其他很多np的计算函数也可以通过在前边加‘nan’来使用。

另外，

也可以直接将a中缺失值全部填充为0。

np.std(a, axis, dtype)

用法同np.mean()

在NCL中有直接求数据标准化的函数dim_standardize()

其实也就是一行的事，根据需要指定维度即可。

皮尔逊相关系数：

相关可以说是气象科研中最常用的方法之一了，numpy函数中的np.corrcoef(x, y)就可以实现相关计算。但是在这里我推荐scipy.stats中的函数来计算相关系数：

这个函数缺点和有点都很明显，优点是可以直接返回相关系数R及其P值，这避免了我们进一步计算置信度。而缺点则是该函数只支持两个一维数组的计算，也就是说当我们需要计算一个场和一个序列的相关时，我们需要循环来实现。

其中a[time,lat,lon]，b[time]

(NCL中为regcoef()函数)

同样推荐Scipy库中的stats.linregress(x,y)函数：

slop: 回归斜率

intercept：回归截距

r_value： 相关系数

p_value： P值

std_err： 估计标准误差

直接可以输出P值，同样省去了做置信度检验的过程，遗憾的是仍需同相关系数一样循环计算。