不能直接寫出函數(shù)的表達式 怎么在python里畫函數(shù)圖象呢？

不寫出y=f(x)這樣的表達式，由隱函數(shù)的等式直接繪制圖像，以x2+y2+xy=1的圖像為例，使用sympy間接調(diào)用matplotlib工具的代碼和該二次曲線圖像如下（注意python里的乘冪符號是**而不是^，還有，python的sympy工具箱的等式不是a==b，而是a-b或者Eq(a,b)，這幾點和matlab的區(qū)別很大）

創(chuàng)新互聯(lián)公司2013年成立，先為東湖等服務建站，東湖等地企業(yè)，進行企業(yè)商務咨詢服務。為東湖企業(yè)網(wǎng)站制作PC+手機+微官網(wǎng)三網(wǎng)同步一站式服務解決您的所有建站問題。

直接在命令提示行的里面運行代碼的效果

from sympy import *;

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

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

如何用Python對數(shù)據(jù)進行差分

處理過與時間有關的數(shù)據(jù)的人都知道，差分變化經(jīng)常用來使得結果更加直觀。在這篇文章里將會教你如何用Python來實現(xiàn)這一目的，讀完這篇文章，你將會掌握以下技能：

1、知道什么是差分變換以及滯后差分和差分階數(shù)的設置

2、如何手動計算差分

3、怎樣使用Pandas內(nèi)置的差分函數(shù)

所以，讓我們趕緊開始吧！

為什么要對時間序列數(shù)據(jù)進行差分？

首先來看下為什么要對數(shù)據(jù)進行差分變化，差分變化可以消除數(shù)據(jù)對時間的依賴性，也就是降低時間對數(shù)據(jù)的影響，這些影響通常包括數(shù)據(jù)的變化趨勢以及數(shù)據(jù)周期性變化的規(guī)律。進行差分操作時，一般用現(xiàn)在的觀測值減去上個時刻的值就得到差分結果，就是這么簡單，按照這種定義可以計算一系列的差分變換。

滯后差分

連續(xù)觀測值之間的差分變換叫做一階滯后差分。滯后差分的步長需要根據(jù)數(shù)據(jù)的時間結構做調(diào)整，例如對于周期性變化的數(shù)據(jù)，這個時間步長就是數(shù)據(jù)變化的周期。

差分階數(shù)

在進行一次差分之后，時間項的作用并沒有完全去掉，將會繼續(xù)對差分結果進行差分變化，直到完全消除時間項的影響因素為止，這個過程中進行的差分操作次數(shù)就稱為差分階數(shù)。

洗發(fā)水銷售數(shù)據(jù)

這份數(shù)據(jù)是三年來每月洗發(fā)水的銷售情況，總共有36個數(shù)據(jù)記錄，原始數(shù)據(jù)來自Makridakis, Wheelwright和 Hyndman (1998).，可以從下面的地址下到數(shù)據(jù)：

下面的代碼將會導入數(shù)據(jù)并將結果畫成折線圖，如下所示：

手動差分

在這一部分中，我們將會自定義一個函數(shù)來實現(xiàn)差分變換，這個函數(shù)將會對提供的數(shù)據(jù)進行遍歷并根據(jù)指定的時間間隔進行差分變換。具體代碼如下：

從上面的代碼中可以看到該函數(shù)將會根據(jù)指定的時間間隔來對數(shù)據(jù)進行變換，一般來說，通常會計算間隔一個數(shù)據(jù)的差分，這樣的結果比較可靠。當然，我們也可以將上面的函數(shù)進行一定的改進，加入差分階數(shù)的指定。

下面將這函數(shù)應用到上面洗發(fā)水銷售的數(shù)據(jù)中去，運行之后繪出下面的圖，具體如下：

自動差分

Pandas庫里提供了一個函數(shù)可以自動計算數(shù)據(jù)的差分，這個函數(shù)是diff()，輸入的數(shù)據(jù)是“series'或”DataFrame'類型的，像前面自定義函數(shù)那樣，我們也可以指定差分的時間間隔，不過在這里這個參數(shù)叫做周期。

下面的例子是用Pandas內(nèi)置函數(shù)來計算差分的，數(shù)據(jù)類型是series的，使用Pandas內(nèi)置函數(shù)的好處是代碼工作量減少了不少，而且繪出的圖中包含更詳細的信息，具體效果如下：

總結

讀完本文想必你已經(jīng)學會用python來實現(xiàn)對數(shù)據(jù)的差分了，尤其是對差分的概念，手動差分，以及使用Pandas內(nèi)置函數(shù)進行差分都有所了解了。如果有什么好的想法歡迎在評論欄里留下。

利用python的statsmodels包 把序列1階差分后利用plot_acf()畫出acf圖

dta=np.array(dta,dtype=np.float) //這里要轉(zhuǎn)下數(shù)據(jù)類型，不然運行會報錯

dta=pd.Series(dta)

dta.index = pd.Index(sm.tsa.datetools.dates_from_range('2001','2090')) //應該是2090，不是2100

dta.plot(figsize=(12,8))

plt.show() // 在Scala IDE要輸入這個命令才能顯示圖！

python繪制函數(shù)圖像

raw_input獲取的輸入是字符串，不能直接用np.array，需要用split進行切分，然后強制轉(zhuǎn)化成數(shù)值類型，才能用plot函數(shù)

我把你的代碼稍微修改了一下，可能不太漂亮，不過能運行了

x=[1,2,3]

a = raw_input('function')

a = a.split(' ')#依空格對字符串a(chǎn)進行切分，如果是用逗號分隔，則改成a.split(',')

b = []

for i in range(len(a)):#把切分好的字符強制轉(zhuǎn)化成int類型，如果是小數(shù)，將int改為float

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

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

python兩個函數(shù)圖像怎么分開畫

1、plt.legendplt.legend(loc=0)#顯示圖例的位置。

2、plt.figureplt.figure(figsize=(14，6)，dpi=80)#設置繪圖區(qū)域的大小和像素。

3、plt.xticksplt.xticks(new_year)#設置x軸的刻度線為new_year，new_year可以為數(shù)組。

4、plt.xlabelplt.xlabel('year')#x軸標簽。

5、plt.plotplt.plot(number，color='blue'，label="actualvalue")#將實際值的折線設置為藍色。

6、兩個圖分開fig，axes=plt.subplots(2，1，sharex=True，figsize=(10，10))。

7、畫豎直線plt.axvline(99，linestyle="dotted"，linewidth=4，color='r')#99表示橫坐標。

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

Python matplotlib之函數(shù)圖像繪制、線條rc參數(shù)設置

為避免中文顯示出錯，需導入matplotlib.pylab庫

1.2.1 確定數(shù)據(jù)

1.2.2 創(chuàng)建畫布

1.2.3 添加標題

1.2.4 添加x，y軸名稱

1.2.5 添加x，y軸范圍

1.2.6 添加x，y軸刻度

1.2.7 繪制曲線、圖例, 并保存圖片

保存圖片時，dpi為清晰度，數(shù)值越高越清晰。請注意，函數(shù)結尾處，必須加plt.show()，不然圖像不顯示。

繪制流程與繪制不含子圖的圖像一致，只需注意一點：創(chuàng)建畫布。

合理調(diào)整figsize、dpi，可避免出現(xiàn)第一幅圖橫軸名稱與第二幅圖標題相互遮蓋的現(xiàn)象.

2.2.1 rc參數(shù)類型

2.2.2 方法1：使用rcParams設置

2.2.3 方法2：plot內(nèi)設置

2.2.4 方法3：plot內(nèi)簡化設置

方法2中，線條形狀，linestyle可簡寫為ls；線條寬度，linewidth可簡寫為lw；線條顏色，color可簡寫為c，等等。