python找函数图像,python画三角函数图像

如何使用python的matplotlib画正弦函数图像

使用python的matplotlib画正弦函数图像，还要用到numpy库，代码如下9行所示：

import numpy as np;

from matplotlib import pyplot as plt;

fig = plt.figure();

ax2= fig.add_subplot(111);

x=np.arange(0,100)/10;

y=np.sin(x);

ax2.plot(x,y);

plt.savefig('sine.png');

plt.show();

相关问答

Q1: Python matplotlib之函数图像绘制、线条rc参数设置

为避免中文显示出错，需导入matplotlib.pylab库

1.2.1 确定数据

1.2.2 创建画布

1.2.3 添加标题

1.2.4 添加x，y轴名称

1.2.5 添加x，y轴范围

1.2.6 添加x，y轴刻度

1.2.7 绘制曲线、图例, 并保存图片

保存图片时，dpi为清晰度，数值越高越清晰。请注意，函数结尾处，必须加plt.show()，不然图像不显示。

绘制流程与绘制不含子图的图像一致，只需注意一点：创建画布。

合理调整figsize、dpi，可避免出现第一幅图横轴名称与第二幅图标题相互遮盖的现象.

2.2.1 rc参数类型

2.2.2 方法1：使用rcParams设置

2.2.3 方法2：plot内设置

2.2.4 方法3：plot内简化设置

方法2中，线条形状，linestyle可简写为ls；线条宽度，linewidth可简写为lw；线条颜色，color可简写为c，等等。

Q2: python不用库def函数画各种图形

第一步，打开python语言命令窗口，声明一个函数print_color，调用range遍历，打印星号，如下图所示：

第二步，接着调用第一步中的函数，然后查看打印结果，可以发现生成一个三角形，如下图所示：

第三步，再次定义一个函数four_tu，利用循环生成星号，注意查看函数生成的图形。

第四步，调用上述步骤中定义的函数，然后查看打印图形组合的形状。

第五步，如果在定义的函数内，多次调用print()方法打印星号，会是什么样的结果呢。

第六步，在后续步骤中，调用函数打印结果，可以发现生成一个不规则的图形。

Q3: 不能直接写出函数的表达式 怎么在python里画函数图象呢？

不写出y=f(x)这样的表达式，由隐函数的等式直接绘制图像，以x²+y²+xy=1的图像为例，使用sympy间接调用matplotlib工具的代码和该二次曲线图像如下（注意python里的乘幂符号是**而不是^，还有，python的sympy工具箱的等式不是a==b，而是a-b或者Eq(a,b)，这几点和matlab的区别很大）

直接在命令提示行的里面运行代码的效果

from sympy import *;

x,y=symbols('x y');

plotting.plot_implicit(x**2+y**2+x*y-1);

Q4: 如何用Python和深度神经网络寻找相似图像

代码

首先，读入TuriCreate软件包

import turicreate as tc

我们指定图像所在的文件夹image，让TuriCreate读取所有的图像文件，并且存储到data数据框

data = tc.image_analysis.load_images('./image/')

我们来看看，data数据框的内容：

data

data包含两列信息，第一列是图片的地址，第二列是图片的长宽描述。

下面我们要求TuriCreate给数据框中每一行添加一个行号。这将作为图片的标记，方便后面查找图片时使用，并输出查看data。

data = data.add_row_number()

data

下面，是重头戏。我们让TuriCreate根据输入的图片集合，建立图像相似度判别模型。

model = tc.image_similarity.create(data)

这个语句执行起来，可能需要一些时间。如果你是第一次使用TuriCreate，它可能还需要从网上下载一些数据。请耐心等待。

经过或长或短的等待，模型已经成功建立。

下面，我们来尝试给模型一张图片，让TuriCreate帮我们从目前的图片集合里，挑出最为相似的10张来。

为了方便，我们就选择第一张图片作为查询输入。

我们利用show()函数展示一下这张图片。

tc.Image(data[0]['path']).show()

下面我们来查询，我们让模型寻找出与这张图片最相似的10张。

similar_images = model.query(data[0:1], k=10)

我们把结果存储在了similar_images变量里面，下面我们来看看其中都有哪些图片。

similar_images

返回的结果一共有10行。跟我们的要求一致。

每一行数据，包含4列。分别是：

查询图片的标记

获得结果的标记

结果图片与查询图片的距离

结果图片与查询图片近似程度排序值

有了这些信息，我们就可以查看到底哪些图片与输入查询图片最为相似了。

注意其中的第一张结果图片，其实就是我们的输入图片本身。考虑它没有意义。

我们提取全部结果图片的标记（索引）值，忽略掉第一张（自身）。

similar_image_index = similar_images['reference_label'][1:]

把上面9张图片的标记在所有图片的索引列表中过滤出来：

filtered_index = data['id'].apply(lambda x : x in similar_image_index)

filtered_index

验证完毕以后，请执行以下语句。我们再次调用TuriCreate的explore()函数，展现相似度查询结果图片。

data[filtered_index].explore()