做品牌网站哪个好点,虚拟货币网站开发,燕郊做网站公司,网站的缺点实验13#xff1a;科学计算 文章目录 实验13#xff1a;科学计算1.实验目标及要求2. 实验主要内容3. 心得体会 1.实验目标及要求
#xff08;1#xff09;掌握numpy库的常用方法。 #xff08;2#xff09;掌握使用matplotlib库的常用方法。
2. 实验主要内容
① 利用…实验13科学计算 文章目录 实验13科学计算1.实验目标及要求2. 实验主要内容3. 心得体会 1.实验目标及要求
1掌握numpy库的常用方法。 2掌握使用matplotlib库的常用方法。
2. 实验主要内容
① 利用numpy库中的多项式处理函数计算函数f(x)x52x31 当x2和x5时的值并输出f(x)的一阶导数和二阶导数。 代码部分:
import numpy as np
# import matplotlib.pyplot as pltxnp.arange(-10,10)
fnp.poly1d(np.array([1,0,2,0,0,1]))
print(f([2,5]))
print(np.polyder(f,1))
print(np.polyder(f,2))输出:
[ 49 3376]4 2
5 x 6 x3
20 x 12 x② 利用matplotlib库中的pyplot模块绘制x在【-1010】取值区间上的f(x)函数、一阶导数和二阶导数的图形要求 A绘制三个子图分别放置上述的三个图形。 B第一个子图区域标题为Polynomial使用红色实线绘制。 C第二个子图区域标题为First Derivative使用蓝色虚线绘制。 第三个子图区域标题为Second Derivative使用绿色实心圆点绘制。 代码部分:
import numpy as np
import matplotlib.pyplot as pltxnp.arange(-10,11)
f1np.poly1d(np.array([1,0,2,0,0,1]))
y1f1(x)
f2np.polyder(f1,1)
y2f2(x) # 一阶导数 y的值
f3np.polyder(f1,2)
y3f3(x) # 二阶导数 y的值plt.subplot(2,2,1)
plt.plot(x,y1,labelyx^52*x^31,colorr)
plt.title(Polynomial)
plt.legend()
plt.subplot(2,2,2)
plt.plot(x,y2,b--,labely5*x^46*x^2)
plt.title(First Derivative)
plt.legend()
plt.subplot(2,2,3)
plt.plot(x,y3,g.,labely20*x^312*x)
plt.title(Second Derivative)
plt.legend()
plt.rcParams[font.sans-serif] [SimHei]
plt.rcParams[axes.unicode_minus]False
plt.show()3. 心得体会
numpy和matplotlib都是非常不错的数据处理的模块加上pandas合称为数据处理三板斧可见作为数据处理的模块在数据处理方面上地位也是非常高的是被大众肯定的。Numpy模块主要用于对数据的处理和生成作用可以对数据进行所需要的处理。matplotlib是对数据处理的结果或者数据进行统计绘图的模块可以将数据和结果通过图像的形式显而易见的呈现出来包括折线图直方图柱状图饼状图散点图3D图等等形式可以满足大部分的数据的处理。本次实验也是对这两个模块进行了初步的认识因为之前有学习过这方面的知识所以实验起来也是比较轻松的也算是对之前学习的一次巩固吧。
