我就废话不多说了，直接上代码吧！
import math
import numpy as np
import matplotlib.pyplot as plt
from sympy import * #用于求导积分等科学计算
def dif(left,right,step):#求导 左右区间以及间隔
x,y = symbols('x y')#引入x y变量
expr = pow(x,5)#计算表达式
x_value = [] #save x value
y_value = [] #save x f(x) value
y_value_dif = [] #save x f(x)_dot value
y_value_dif2 = [] #save x f(x)_dot2 value
y_value_dif3 = [] #save x f(x)_dot3 value
y_value_dif4 = [] #save x f(x)_dot4 value
#print(expand(exp(I*x), complex=True))#将复指数展开成实部虚部形式
expr_dif = diff(expr,x,1)
expr_dif2 = diff(expr,x,2)
expr_dif3 = diff(expr,x,3)
expr_dif4 = diff(expr,x,4)
for i in np.arange(left,right,step):
x_value.append(i)
y_value.append(expr.subs('x',i))#将i值代入表达式
y_value_dif.append(expr_dif.subs('x',i))#将i值代入求导表达式
y_value_dif2.append(expr_dif2.subs('x',i))#将i值代入2阶求导表达式
y_value_dif3.append(expr_dif3.subs('x',i))#将i值代入3阶求导表达式
y_value_dif4.append(expr_dif4.subs('x',i))#将i值代入4阶求导表达式
draw_plot_set()#设置画图格式
plt.plot(x_value,y_value,"b-",linewidth=1,label='f(x)='+str(expr)) #画图
plt.plot(x_value,y_value_dif,"r-",linewidth=1,label='f(x)_prim') #画图
plt.plot(x_value,y_value_dif2,"y-",linewidth=1,label='f(x)_prim2') #画图
plt.plot(x_value,y_value_dif3,"g-",linewidth=1,label='f(x)_prim3') #画图
plt.plot(x_value,y_value_dif4,"b-",linewidth=1,label='f(x)_prim4') #画图
plt.legend()#显示图例
plt.show()#显示图像
def draw_plot_set():#设置画图格式
plt.figure()
ax = plt.gca()
#改变坐标轴位置
ax.spines['right'].set_color('none')#删除原来轴
ax.spines['top'].set_color('none')#删除原来轴
ax.xaxis.set_ticks_position('bottom')#在0点处增加轴
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')#在0点处增加轴
ax.spines['left'].set_position(('data',0))
#设置坐标名
plt.ylabel('f(x)')
plt.xlabel('x')
plt.grid(True)#打开网格
if __name__ == '__main__':
dif(-5,5,0.01)
补充拓展：python利用sympy库对某个函数求导，numpy库使用该求导结果计算的程序
在python数据处理过程中，我们经常会遇见这样一种情况。需要对一个函数表达式求偏导，并将具体数值代入导数式。
而python中通常可用于函数求导的函数是sympy库中的diff()函数。
但他通常所求得的导数只是一个符号表达式。不能直接带入数据使用。
如下例：
import sympy as sp
import numpy as np
x,y = sp.symbols('x y')
z = sp.sin(2*sp.pi*x+2*y/5)
zx = sp.diff(z,x)
zy = sp.diff(z,y)
print(zx)
print(zy)
其输出为：
2*pi*cos(2*pi*x + 2*y/5) 2*cos(2*pi*x + 2*y/5)/5
那么该如何解决这个问题呢？
对x,y使用evalf()函数分别赋值后，用float进行类型转换后，才能利用numpy进行数值计算。
如下例：
import sympy as sp
import numpy as np
x,y = sp.symbols('x y')
z = sp.sin(2*sp.pi*x+2*y/5)
zx = sp.diff(z,x)
zy = sp.diff(z,y)
x1 = 10
y1 = 5
z_x1 = float(zx.evalf(subs={x:x1,y:y1}))
z_y1 = float(zy.evalf(subs={x:x1,y:y1}))
print(z_x1)
print(z_y1)
其输出结果：
-2.61472768902227 -0.16645873461885696
那如果我的x或y不是单一的值呢？而是一个数组。
我们可以利用一个循环来完成。
如下例：
import sympy as sp
import numpy as np
x,y = sp.symbols('x y')
z = sp.sin(2*sp.pi*x+2*y/5)
zx = sp.diff(z,x)
zy = sp.diff(z,y)
x_array = np.linspace(-5, 5, 10)
y_array = np.linspace(-5, 5, 10)
temp_x = []#先定义一个用于存储x偏导的空列表
temp_y = []#先定义一个用于存储y偏导的空列表
for i in range(10):
z_x = float(zx.evalf(subs={x:x_array[i],y:y_array[i]}))
temp_x.append(z_x)#将计算得到的偏导值一一添加到列表中
z_y = float(zy.evalf(subs={x:x_array[i],y:y_array[i]}))
temp_y.append(z_y)
zx_array = np.array(temp_x)#将列表转换为数组
zy_array = np.array(temp_y)
print(zx_array)
print(zy_array)
输出结果为：
[-2.61472769 4.11163864 6.02946289 0.89585862 -5.2854481 -5.2854481 0.89585862 6.02946289 4.11163864 -2.61472769] [-0.16645873 0.26175505 0.38384753 0.05703213 -0.33648208 -0.33648208 0.05703213 0.38384753 0.26175505 -0.16645873]
由此便实现了由sympy得到求导结果，到numpy库进行数值计算。
以上这篇python计算导数并绘图的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
python,计算导数,绘图
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
《魔兽世界》大逃杀！60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容，新游玩模式《强袭风暴》即将于3月21 日在亚服上线，届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕，并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时，他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中，玩家将会进入一个全新的海盗主题大逃杀式限时活动，其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场，作为一个独立于主游戏之外的活动，玩家可以用大逃杀的风格来体验《魔兽世界》，不分职业、不分装备（除了你在赛局中捡到的），光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式，玩家在加入海盗主题的预赛大厅区域前，可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹，《巨龙崛起》和《魔兽世界：巫妖王之怒 经典版》的玩家都可以获得奖励。