關于python中sin函數(shù)的用法？

因為 pow 是內置的方法，而 sin 是 math 包提供的方法。

創(chuàng)新互聯(lián)專注為客戶提供全方位的互聯(lián)網綜合服務，包含不限于成都網站設計、成都網站制作、肥城網絡推廣、小程序開發(fā)、肥城網絡營銷、肥城企業(yè)策劃、肥城品牌公關、搜索引擎seo、人物專訪、企業(yè)宣傳片、企業(yè)代運營等，從售前售中售后，我們都將竭誠為您服務，您的肯定，是我們最大的嘉獎；創(chuàng)新互聯(lián)為所有大學生創(chuàng)業(yè)者提供肥城建站搭建服務，24小時服務熱線：028-86922220，官方網址：www.cdcxhl.com

如果你自己定義了一個 pow 方法，就會覆蓋掉默認的 pow 方法，但是如果你 import 了兩個包，兩個里面都有 sin 方法，那么使用的時候如果不指定是哪個的話就無法準確執(zhí)行了。同理，如果引用的是外部包的方法或者類的話，就一定要使用包名引用。如果每次打包名嫌麻煩的話，可以使用 import math as m 這樣的縮寫，下次就可以使用 m.sin() 了。

Python科學計算——任意波形擬合

任意波形的生成 (geneartion of arbitrary waveform) 在商業(yè)，軍事等領域都有著重要的應用，諸如空間光通信 (free-space optics communication)， 高速信號處理 (high-speed signal processing)，雷達 (radar) 等。在任意波形生成后， 如何評估生成的任意波形 成為另外一個重要的話題。

假設有一組實驗數(shù)據，已知他們之間的函數(shù)關系：y=f(x)，通過這些信息，需要確定函數(shù)中的一些參數(shù)項。例如，f 是一個線型函數(shù) f(x)=k*x+b，那么參數(shù) k 和 b 就是需要確定的值。如果這些參數(shù)用 p 表示的話，那么就需要找到一組 p 值使得如下公式中的 S 函數(shù)最?。?/p>

這種算法被稱之為 最小二乘擬合 (least-square fitting)。scipy 中的子函數(shù)庫 optimize 已經提供實現(xiàn)最小二乘擬合算法的函數(shù) leastsq 。下面是 leastsq 函數(shù)導入的方式：

scipy.optimize.leastsq 使用方法

在 Python科學計算——Numpy.genfromtxt 一文中，使用 numpy.genfromtxt 對數(shù)字示波器采集的三角波數(shù)據導入進行了介紹，今天，就以 4GHz三角波 波形的擬合為案例介紹任意波形的擬合方法。

在 Python科學計算——如何構建模型？ 一文中，討論了如何構建三角波模型。在標準三角波波形的基礎上添加了 橫向，縱向的平移和伸縮特征參數(shù) ，最后添加了 噪聲參數(shù) 模擬了三角波幅度參差不齊的隨機性特征。但在波形擬合時，并不是所有的特征參數(shù)都要納入考量，例如，噪聲參數(shù)應是 波形生成系統(tǒng) 的固有特征，正因為它的存在使得產生的波形存在瑕疵，因此，在進行波形擬合并評估時，不應將噪聲參數(shù)納入考量，最終模型如下：

在調用 scipy.optimize.leastsq 函數(shù)時，需要構建誤差函數(shù)：

有時候，為了使圖片有更好的效果，需要對數(shù)據進行一些處理：

leastsq 調用方式如下：

合理的設置 p0 可以減少程序運行時間，因此，可以在運行一次程序后，用擬合后的相應數(shù)據對 p0 進行修正。

在對波形進行擬合后，調用 pylab 對擬合前后的數(shù)據進行可視化：

均方根誤差 (root mean square error) 是一個很好的評判標準，它是觀測值與真值偏差的平方和觀測次數(shù)n比值的平方根，在實際測量中，觀測次數(shù)n總是有限的，真值只能用最可信賴（最佳）值來代替.方根誤差對一組測量中的特大或特小誤差反映非常敏感，所以，均方根誤差能夠很好地反映出測量的精密度。

RMSE 用程序實現(xiàn)如下：

擬合效果，模型參數(shù)輸出：

leastsq 函數(shù)適用于任何波形的擬合，下面就來介紹一些常用的其他波形：

如何使用python的matplotlib畫正弦函數(shù)圖像

使用python的matplotlib畫正弦函數(shù)圖像，還要用到numpy庫，代碼如下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();