Nhụta mgbakọ na mwepụ

Uru:

• Ikike iji anya nke uche hụ ọrụ, njikọ na data site na ibipụta koodu Matplotlib na ọgụgụ isi na-arụ ọrụ na koodu ahụ, yana ịhọrọ ụdị eserese kwesịrị ekwesị maka ebumnuche ahụ.
• Ikike ịlele ma eserese ọ na-egosipụta mgbakọ na mwepụ n'ụzọ ziri ezi site n'iji ya tụnyere njirimara amaara nke ọrụ ahụ, oke axis, asymptotes na opekata mpe otu ngụkọta oge.
• Ikike ịhụ anya na mgbọrọgwụ na njikọ dị n'etiti site na iji anya dị ka ngwaọrụ nkwenye ma nye mmalite mmalite maka ụzọ ọnụọgụ.

Eserese na-egosi ihe karịrị otu puku nhata. Ịhụ ka ọrụ si eme, ebe mgbọrọgwụ ya dị, ebe akụkụ abụọ na-agafe, ma ọ bụ ka esi ekesa data bụ otu n'ime ụzọ kachasị ike isi ghọta na nyochaa mgbakọ na mwepụ. Nhụta mgbakọ na mwepụ bụ ihe ngosi anya nke ihe mgbakọ na mwepụ (ọrụ, data, ọdịdị geometric) nwere eserese. Ngwá ọrụ ọkọlọtọ maka nke a na Python bụ ọba akwụkwọ Matplotlib. N'ime nkeji a, ị ga-amụta ka esi eji AI dị ka onye inyeaka na-ewepụta koodu nhụta yana, nke ka mkpa, otu esi elele na eserese ahụ gosipụtara mgbakọ na mwepụ nke ọma.

Ihu anya bụkwa ngwa nyocha. Anyị hụrụ na nkeji gara aga: ịdepụta mgbọrọgwụ nke nhata tupu ịchọta ya n'ọnụ ọgụgụ na-egosi n'ụzọ doro anya ebe mgbọrọgwụ dị ma nye atụmatụ mmalite ziri ezi. Ịhụ eserese nke ọrụ ahụ tupu nchịkọta mkpokọta na-enye gị ohere ịghọta ma akara nke nsonaazụ (mpaghara dị mma / adịghị mma) nwere ezi uche. Eserese na-ajụ "nsonaazụ a ọ nwere ezi uche?" Ọ bụ azịza anya nke ajụjụ ahụ.

Isi ihe eji anya ihe na mgbakọ na mwepụ

• Omume ọrụ: mpaghara na-abawanye/na-ebelata, kacha/ kacha nta, asymptotes nke f(x).
• Ịchọta mgbọrọgwụ na nkwụsịtụ: Ebe ebe ọkpụkpụ na-ejikọta x-axis (mgbọrọgwụ), nkwụsị nke akụkụ abụọ.
• Mpaghara / ntinye uche: Ngosipụta anya nke mpaghara n'okpuru usoro.
• Nkesa data: Histogram, ihe nkesa, igbe igbe.
• Geometry: Triangles, okirikiri, mgbanwe.
• Ihe ọmụmụ: Na-akọwapụta echiche n'anya ụmụ akwụkwọ.

Nzọụkwụ site nzọụkwụ: Na-emepụta eserese ziri ezi na AI

1. Mara ihe ị chọrọ igosi. "Dere mmehie (x)" ezughị; "Plot sin(x) n'ogo [−2π, 2π], nwere anyụike akara na grid" ka mma.

2. Dee koodu Matplotlib na AI. Rịọ maka koodu ahụ, ọ bụghị onyinyo mmepụta; Ị na-agba koodu ahụ wee hụ eserese ahụ.

3. Tụlee eserese na mgbakọ na mwepụ. Eserese ahụ ọ na-egosi njirimara amaara nke ọrụ ahụ? mmehie (x) ga-amagharị n'etiti -1 na 1; parabola ga-adị symmetric; ọrụ mgbapụ ga-abawanye ngwa ngwa. Ọ bụrụ na eserese ahụ egosighi ndị a, enwere mperi na koodu.

4. Lelee oke axis. Ọpụpụ na-ezighi ezi nwere ike zoo mgbọrọgwụ ma ọ bụ omume dị mkpa. Jide n'aka na ọ na-ekpuchi mpaghara na-adọrọ mmasị nke ọrụ ahụ.

5. Lelee akara na ọnụ ọgụgụ. Enwere aha anyụike? Ọnụ ọgụgụ ahụ (linear/log) ziri ezi? Ọnụ ọgụgụ na-eduhie eduhie na-enye echiche na-ezighị ezi.

6. Jiri akara ọnụọgụ gosi. Ọ bụrụ na eserese ahụ gosiri f(2)≈3, nyochaa nke a site na mgbako. Eserese ahụ nwere ike ịgha ụgha (ọ bụrụ na adọta ọrụ na-ezighi ezi).

Ndụmọdụ: Mgbe ịsechara eserese, nyochaa ya site na ịgbakọ opekata mpe otu isi na ya. Ọ bụrụ na eserese ahụ gosiri y=1 na x=0, jiri aka gbakọọ f(0). Ọ bụrụ na ha dakọtara, ọ ga-abụrịrị na adọtala ọrụ ziri ezi; Ọ bụrụ na ọ dabaraghị, AI nwere ike itinye koodu na-ezighi ezi.

Mkpebi na nlele: ebe eserese dina

Ibé Matplotlib abụghị n'ezie usoro na-aga n'ihu; Ọ na-agbakọ ọrụ ahụ na ọnụ ọgụgụ njedebe ma jikọta isi ihe ndị a na ahịrị kwụ ọtọ. Ọnụ ọgụgụ isi ihe ndị a ka a na-akpọ mkpebi nlele. Ọ bụrụ na mkpebi ahụ dị ala (dịka naanị isi 10 emepụtara na linspace na NumPy), ọrụ oscillating ngwa ngwa (dịka ọmụmaatụ mmehie (50x)) nwere ike ịdị ka ihe na-ezighi ezi na eserese - ọtụtụ n'ime ọnụ ọnụ na ọwa mmiri na-ada n'etiti isi ihe nlele abụọ wee pụọ. A na-akpọ nke a aliasing na nhazi mgbaàmà. AI mgbe ụfọdụ na-ede koodu nke na-emepụta ọnụ ọgụgụ dị nta nke isi ihe; Ihe si na ya pụta bụ eserese mmiri mana na-eduhie eduhie.

Mgbochi ahụ dị mfe: mee ka ọnụ ọgụgụ nke nlele nlele dị elu na ọrụ na-agbanwe ngwa ngwa (dịka np.linspace(a, b, 1000)). Ọzọkwa, ọ bụrụ na eserese nwere akụkụ angular, nha nha, ma ọ bụ ọdịdị na-adịghị mma nke ị na-atụghị anya ya, nke a na-abụkarị mmetụta dị n'akụkụ nke mkpebi dị ala ma ọ bụghị omume n'ezie nke ọrụ ahụ; Mụbaa ọnụ ọgụgụ isi wee lelee ma eserese a gbanwere. Ọ bụrụ na eserese ahụ na-agbanwe nke ọma site na ọnụọgụ isi, ị ka ahụbeghị ụdị ọrụ ahụ n'ezie.

Ịkpachara anya: Eserese dị obere nwere ike ịkọwapụta ọrụ na-agba ọsọ ọsọ - ma ọ bụ kwekọọ n'ụkpụrụ na-adịghị adị. Mgbe ị na-ese eserese dị egwu, kpachaara anya họrọ ọnụ ọgụgụ dị elu nke isi ihe nlele wee chọpụta na eserese ahụ ka kwụsiri ike ka ị na-abawanye ọnụọgụ isi.

Nhọrọ ụdị eserese

Ebumnuche

adabara eserese

Matplotlib ọrụ

Usoro ọrụ

eserese ahịrị

nkata ()

ihe data

Gbasaa nkata

gbasasịa()

nkesa

histogram

akụkọ ihe mere eme ()

Mmekọrịta mgbanwe abụọ

Gbasasịa + okirikiri

nkata () + gbasasịa ()

Ntụnyere otu

mmanya chaatị

mmanya()

Elu/3D

3D elu

plot_surface()

Obere ikpe atọ

Ikpe 1 - Zoro ezo mgbọrọgwụ. Otu nwa akwụkwọ nwere eserese eserese iji hụ mgbọrọgwụ nke polynomial, mana ọ họọrọ oke axis YZ [-1, 1]; ebe mgbọrọgwụ dị gburugburu x=3 ma a naghị ahụ ya na eserese ma ọlị. Nwa akwụkwọ a jụrụ "ọrụ a ọ nweghị mgbọrọgwụ?" Ọ tụrụ ya n'anya, mgbe ọ gbanwere oghere ka ọ bụrụ [-5, 5], mgbọrọgwụ pụtara. Ihe nkuzi: oghere na-ezighi ezi na-ezochi mgbakọ na mwepụ.

Ikpe 2 - Ọrụ na-ezighi ezi. Onye nkuzi chọrọ ime ka AI sere "cos(x²)", mana koodu ahụ ezighi ezi dere "cos (x)²" (ya bụ cos² (x)). Ọrụ abụọ ahụ dị nnọọ iche. Mgbe onye nkuzi jiri eserese ahụ tụnyere uru a tụrụ anya na x=√π, ọ hụrụ na ọ dabaraghị wee jide njehie ahụ. Ebe akara aka na-agbanwe ihe niile.

Ikpe 3 - Anya nkwenye were mgbọrọgwụ. Onye injinia buru ụzọ depụta ọrụ ahụ wee hụ na ọ gbakọrọ axis x n'ebe abụọ (~ 1.2 na ~ 4.7). Site na ozi a na-ahụ anya, o nyere onye na-achọta mgbọrọgwụ dijitalụ ziri ezi nke mbụ wee chọpụta ma mgbọrọgwụ abụọ ahụ kpọmkwem. Enweghị eserese ahụ, ọ nwere ike ịgbakọta na mgbọrọgwụ. Mgbọrọgwụ abụọ n'ime nkeji 5.

Ndebiri anọ enwere ike iṅomi

1) chaatị ọrụ:

Dee koodu Matplotlib nke na-eme atụmatụ ọrụ [f(x)] na oke [a, b]. Mepụta usoro x na NumPy, kaa akara axis, tinye grid, tinye aha. M ga-agba ọsọ koodu; na-achọpụta ihe oyiyi ahụ. Họrọ oghere kwesịrị ekwesị ka mgbọrọgwụ/isi ihe pụrụ iche wee hụ.

2) Njikọ nke akụkụ abụọ:

See [f(x)] na [g(x)] ọrụ n'ime oke [a, b] n'otu eserese ahụ. Gosi ha na agba dị iche iche, tinye akụkọ ifo. Gbanwee oghere axis ka m wee hụ nke ọma ebe ebe nrutu aka dị.

3) Nnwale anya + ọnụọgụ:

Plot [f(x)] NA bipụta ezigbo f ụkpụrụ nke isi ihe nlele 3 (x=[ụkpụrụ]) na eserese ahụ. Ya mere enwere m ike iji chaatị ahụ tụnyere ụkpụrụ ọnụọgụgụ. Naanị nye koodu ahụ.

4) Histogram data:

Dee koodu na-akpa nkata akụkọ ihe mere eme nke ndepụta data ndị a: [data]. Họrọ ọnụọgụ nke nso (nkịta), deba aha anyụike. Bipụtakwa ihe pụtara na ọkọlọtọ. M ga-agba ọsọ koodu.

Ngwa ngwa adịghị ike / Ike siri ike

Adịghị ike: "Tụgharịa ọrụ 1/(x−2)."

Nsonaazụ: Koodu nwere ike ghara ijikwa asymptote kwụ ọtọ na x=2; Eserese ahụ na-egosi ahịrị kwụ ọtọ na-eduhie eduhie na x=2 na a ghọtahiere omume nke ọrụ ahụ.

Ike : "Kpee atụmatụ ọrụ 1 / (x-2) na nso [-5, 5], ma gosi asymptote kwụ ọtọ na x = 2 n'ụzọ ziri ezi: njedebe ụkpụrụ dị nso na asymptote ma ọ bụ kpaa ha dị ka akụkụ abụọ dị iche iche. Debe axes, kaa akara asymptote na eriri agbụ. "

Nsonaazụ: A na-egosipụta asymptote nke ọma, eserese ahụ na-egosipụta ezigbo omume nke ọrụ ahụ.

Mmejọ ndị nkịtị

• Oke axis na-ezighi ezi. Oke nke na-adịghị ekpuchi mpaghara na-adọrọ mmasị nke ọrụ (mgbọrọgwụ, vertices) na-ekpuchi mgbakọ na mwepụ.
• Na-eleghara asymptotes anya. Asymptotes kwụ ọtọ na ọrụ dị ka 1 / x na-eduga n'ahịrị na-eduhie eduhie; pụrụ iche njikwa chọrọ.
• Njehie nne na nna / ndetu. Afefefefe ndịiche dịka cos(x²) na cos²(x) n'ime koodu ahụ ezighi ezi; Eserese ahụ na-egosi ọrụ ọzọ.
• Anyụike enweghị akara. Ihe e sere ka edoghị anya; Ọ bụ erughi oke n'ihe ọmụmụ.
• Anaghị akwado eserese ahụ na ọnụọgụgụ. Ọ bụrụ na eserese ahụ na-akpa nkata na-ezighi ezi, naanị ihe mgbako ga-ejide ya.
• Ọnụ ọgụgụ na-eduhie eduhie. Mgbagwoju anya ọnụ ọgụgụ logarithmic/linear na-enye echiche na-ezighi ezi.

Ịkpachara anya: Naanị n'ihi na eserese "maara mma" anaghị eme ka ọ dị mma. AI nwere ike iwepụta eserese na-atọ ụtọ nke ukwuu mana mgbakọ na mwepụ na-ezighi ezi-dịka ọmụmaatụ, ọ nwere ike see ọrụ na-ezighi ezi, n'akụkụ na-ezighi ezi, ma ọ bụ jiri asymptote gbagọrọ agbagọ. Tulee eserese mgbe niile na njirimara amaara nke ọrụ ọ na-eme atụmatụ yana ma ọ dịkarịa ala otu ngụkọta oge.

Na nchịkọta

Nlegharị anya bụ ma okwu ma ngwaọrụ nkwenye: ịhụ anya na-ahụ omume nke ọrụ, mgbọrọgwụ ya na nkwụsịtụ ya, bụ ụzọ dị ike isi jide njehie na ịchọta mmalite ọnụọgụgụ ziri ezi. AI na-ewepụta koodu Matplotlib ngwa ngwa; Ị na-agba koodu ahụ, tulee eserese na njirimara amaara nke ọrụ ahụ, lelee oke axis na asymptotes, wee kwado opekata mpe otu n'ọnụ ọgụgụ. Eserese mara mma abụghị eserese ziri ezi; atụnyere mgbakọ na mwepụ mgbe niile.

Ọrụ ngwa

Họrọ ọrụ na-adọrọ mmasị (dịka 1/ (x-2), nke nwere asymptote kwụ ọtọ, ma ọ bụ polynomial nwere ọtụtụ mgbọrọgwụ). Mee ka AI were ndebiri nke mbụ na nke atọ see eserese ahụ wee bipụta ezigbo ụkpụrụ nke isi ihe ole na ole. Gbaa koodu ahụ wee hụ eserese. Tulee atụmatụ dị na eserese (mgbọrọgwụ, asymptote, vertices) na mgbakọ na mwepụ amaara nke ọrụ ahụ. Jiri aka ma ọ bụ SymPy nyochaa opekata mpe otu isi. Gbanwee oke axis wee hụ ma omume ọ bụla zoro ezo pụtara.

ndetu

• [] Ekwuru m nke ọma ihe m chọrọ iji oghere na akara.
• [] M gbara koodu ahụ wee hụ eserese ahụ.
• [] Eji m eserese ahụ tụnyere njirimara ama ama nke ọrụ ahụ.
• Achọpụtara m na mpaghara axis na-ekpuchi mpaghara na-atọ ụtọ.
• [] Achọpụtara m na egosiri asymptote/isi ihe akọwapụtaghị nke ọma.
• [] Ekwenyela m ma ọ dịkarịa ala otu isi ọnụọgụgụ.