python實現(xiàn)畫出e指數(shù)函數(shù)的圖像
這里用Python逼近函數(shù)y = exp(x);同樣使用泰勒函數(shù)去逼近:
exp(x) = 1 + x + (x)^2/(2!) + .. + (x)^n/(n!) + ...
#!/usr/bin/python # -*- coding:utf-8 -*- import numpy as np import math import matplotlib as mpl import matplotlib.pyplot as plt def calc_e_small(x): n = 10 f = np.arange(1, n+1).cumprod() b = np.array([x]*n).cumprod() return np.sum(b / f) + 1 def calc_e(x): reverse = False if x < 0: # 處理負數(shù) x = -x reverse = True ln2 = 0.69314718055994530941723212145818 c = x / ln2 a = int(c+0.5) b = x - a*ln2 y = (2 ** a) * calc_e_small(b) if reverse: return 1/y return y if __name__ == "__main__": t1 = np.linspace(-2, 0, 10, endpoint=False) t2 = np.linspace(0, 3, 20) t = np.concatenate((t1, t2)) print(t) # 橫軸數(shù)據(jù) y = np.empty_like(t) for i, x in enumerate(t): y[i] = calc_e(x) print('e^', x, ' = ', y[i], '(近似值)\t', math.exp(x), '(真實值)') # print '誤差:', y[i] - math.exp(x) plt.figure(facecolor='w') mpl.rcParams['font.sans-serif'] = [u'SimHei'] mpl.rcParams['axes.unicode_minus'] = False plt.plot(t, y, 'r-', t, y, 'go', linewidth=2) plt.title(u'Taylor展式的應用 - 指數(shù)函數(shù)', fontsize=18) plt.xlabel('X', fontsize=15) plt.ylabel('exp(X)', fontsize=15) plt.grid(True) plt.show()
以上這篇python實現(xiàn)畫出e指數(shù)函數(shù)的圖像就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
Python pyinotify模塊實現(xiàn)對文檔的實時監(jiān)控功能方法
今天小編就為大家分享一篇Python pyinotify模塊實現(xiàn)對文檔的實時監(jiān)控功能方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10Python環(huán)境搭建過程從安裝到Hello World
這篇文章主要介紹了Python環(huán)境搭建過程從安裝到Hello World,本文通過圖文并茂的形式給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-02-02Python學習之魔法函數(shù)(filter,map,reduce)詳解
這篇文章我們將來學習一下,Python中的三個高級函數(shù):filter()、map()、reduce(),這三個函數(shù)也被稱為魔法函數(shù),感興趣的小伙伴可以了解一下2022-04-04python使用BeautifulSoup分析網頁信息的方法
這篇文章主要介紹了python使用BeautifulSoup分析網頁信息的方法,涉及Python使用BeautifulSoup模塊分析網頁信息的技巧,非常具有實用價值,需要的朋友可以參考下2015-04-04PyTorch中 tensor.detach() 和 tensor.data 的區(qū)別詳解
今天小編就為大家分享一篇PyTorch中 tensor.detach() 和 tensor.data 的區(qū)別詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01PyTorch之怎樣選擇合適的優(yōu)化器和損失函數(shù)
這篇文章主要介紹了PyTorch怎樣選擇合適的優(yōu)化器和損失函數(shù)問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02