python两个函数图像 python两个函数中传递变量

python绘制函数图像

raw_input获取的输入是字符串，不能直接用np.array，需要用split进行切分，然后强制转化成数值类型，才能用plot函数

我把你的代码稍微修改了一下，可能不太漂亮，不过能运行了

x=[1,2,3]

a = raw_input('function')

a = a.split(' ')#依空格对字符串a进行切分，如果是用逗号分隔，则改成a.split(',')

b = []

for i in range(len(a)):#把切分好的字符强制转化成int类型，如果是小数，将int改为float

b.append(int(a[i]))

plt.plot(x, b, label='x', color="green", linewidth=1)

相关问答

Q1: python两个函数图像怎么分开画而且加表格

一、函数说明

在使用python作图时，应用最广的就是matplotlib包，但我们平时使用matplotlib时主要是画一些简单的图表，很少有涉及分段函数。本次针对数值实验中两个较为复杂的函数，使用其构建分段函数图像。

二、图像代码

2.11、函数公式：

y=4sin(4πt)-sgn(t-0.3)-sgn(0.72-t)

2.12、代码如下：

import numpy as np

import matplotlib.pyplot as plt

def sgn(x):

if x0:

return 1

elif x0:

return -1

else:

return 0

t=np.arange(0,1,0.01)

y=[]

for i in t:

y_1=4*np.sin(4*np.pi*i)-sgn(i-0.3)-sgn(0.72-i)

y.append(y_1)

plt.plot(t,y)

plt.xlabel("t")

plt.ylabel("y")

plt.title("Heavsine")

plt.show()

2.13、运行结果如下：

81036331d721706ae12808beb99b9574.png

2.21、函数公式：

479029.html

2.22、代码如下：

import numpy as np

import matplotlib.pyplot as plt

def g(x):

if x0:

return x

else:

return 0

t=np.arange(0,1,0.01)

y=[]

for i in t:

y_1=g(i*(1-i))*np.sin((2*np.pi*1.05)/(i+0.05))

y.append(y_1)

plt.plot(t,y)

plt.xlabel("t")

plt.ylabel("y")

plt.title("TimeSine")

plt.show()

Q2: python画正余弦函数图像？

用python怎样画出如题所示python两个函数图像的正余弦函数图像? 如此编写代码python两个函数图像，使其中两个轴、图例、刻度，大小，LaTex公式等要素与原图一致，需要用到的代码如下，没有缩进：

#-*-codeing:utf-8;-*-

from matplotlib import pyplot as plt

import numpy as np

a=np.linspace(0,360,980)

b=np.sin(a/180*np.pi)

c=np.cos(a/180*np.pi)

fig = plt.figure()

ax = fig.add_subplot(111)

ax.set_xlim([0, 360])

ax.plot(a,b,label=r"$y=\sin(\theta)$")

ax.plot(a,c,label=r"$y=\cos(\theta)$")

ax.grid(True)

ax.set_ylabel(r"$y$")

ax.set_xlabel(r"$\theta$")

plt.xticks(np.arange(0,360+1,45))

plt.title("Sine Cosine Waves")

plt.legend()

plt.savefig("SinCosWaveDegFont.jpg")

plt.show()

代码运行show的窗口图

代码的截图

代码输出的文件的图

Q3: python两个函数图像怎么分开画

1、plt.legendplt.legend(loc=0)#显示图例的位置。

2、plt.figureplt.figure(figsize=(14，6)，dpi=80)#设置绘图区域的大小和像素。

3、plt.xticksplt.xticks(new_year)#设置x轴的刻度线为new_year，new_year可以为数组。

4、plt.xlabelplt.xlabel('year')#x轴标签。

5、plt.plotplt.plot(number，color='blue'，label="actualvalue")#将实际值的折线设置为蓝色。

6、两个图分开fig，axes=plt.subplots(2，1，sharex=True，figsize=(10，10))。

7、画竖直线plt.axvline(99，linestyle="dotted"，linewidth=4，color='r')#99表示横坐标。

8、图片保存plt.savefig('timeseries_y.jpg')。

Q4: 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);

Q5: python怎么表示指数？

其中有两个非常漂亮python两个函数图像的指数函数图就是用python的matplotlib画出来的。这一期python两个函数图像，我们将要介绍如何利用python绘制出如下指数函数。

图 1 a1图 1 a1

我们知道当0 python两个函数图像，指数函数 是单调递减的，当a1 时，指数函数是单调递增的。所以我们首先要定义出指数函数，将a值做不同初始化

import math

...

def exponential_func(x, a): #定义指数函数

y=math.pow(a, x)

return y

然后，利用numpy构造出自变量，利用上面定义的指数函数来计算出因变量

X=np.linspace(-4, 4, 40) #构造自变量组

Y=[exponential_func(x) for x in X] #求函数值

有python两个函数图像了自变量和因变量的一些散点，那么就可以模拟我们平时画函数操作——描点绘图，利用下面代码就可以实现

import math

import numpy as np

import matplotlib.pyplot as plt

import mpl_toolkits.axisartist as axisartist #导入坐标轴加工模块

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus']=False

fig=plt.figure(figsize=(6,4)) #新建画布

ax=axisartist.Subplot(fig,111) #使用axisartist.Subplot方法创建一个绘图区对象ax

fig.add_axes(ax) #将绘图区对象添加到画布中

def exponential_func(x, a=2): #定义指数函数

y=math.pow(a, x)

return y

X=np.linspace(-4, 4, 40) #构造自变量组

Y=[exponential_func(x) for x in X] #求函数值

ax.plot(X, Y) #绘制指数函数

plt.show()

图 2 a=2

图2虽简单，但麻雀虽小五脏俱全，指数函数该有都有，接下来是如何让其看起来像我们在作图纸上面画的那么美观，这里重点介绍axisartist 坐标轴加工类，在的时候我们已经用过了，这里就不再多说了。我们只需要在上面代码后面加上一些代码来将坐标轴好好打扮一番。

图 3 a1 完整代码# -*- coding: utf-8 -*-图 3 a1 完整代码# -*- coding: utf-8 -*-"""Created on Sun Feb 16 10:19:23 2020project name:@author: 帅帅de三叔"""import mathimport numpy as npimport matplotlib.pyplot as pltimport mp

关于python两个函数图像和python两个函数中传递变量的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。