Scipy Misc. Derivat

Mit diesem Python -Leitfaden werden Sie über das Scipy -Verschiedenheitsabgang erfahren, um die Ableitung der angegebenen Daten zu berechnen. Die Python-Programmiersprache wird berühmt und eine Lieblingssprache aller Arten von Entwicklern aufgrund ihrer erstaunlichen Bibliotheken und integrierten Funktionen. Diese Funktionen ermöglichen es uns, die komplexen und praktischen Aufgaben schnell und automatisch auszuführen, ohne Fehler zu machen. Python machte die Entwicklung zu einer sehr einfachen und leichten Aufgabe. Wir können jeden statistischen, wissenschaftlichen oder mathematischen Betrieb unter Verwendung der integrierten Funktionen der Python-Programmiersprache ausführen. Am Ende dieses Artikels können Sie die scipy miscineivative Funktion in Ihren Python -Programmen verstehen und verwenden.

Was ist derivat?

Die Ableitung einer Funktion befasst sich mit der Änderungsrate einer Funktion gemäß der unabhängigen Variablen. Derivate werden verwendet, wenn die Änderungsrate und die Menge der Variablen existiert. Die Python -Programmiersprache liefert die Funktion Derivat () im Misc -Modul der Scipy -Bibliothek, um die Ableitung einer Funktion zu finden. In diesem Tutorial werden wir Sie darüber leiten, wie Sie die Funktion Derivat () verwenden können und welche Elemente Sie für die Ableitung in einem Python -Programm verwenden müssen. Wir werden einige Beispiele für Ihre Anleitung demonstrieren. Lassen und verstehen wir vorher die Syntax der Ableitungsfunktion.

Syntax der Funktion derivat ()

Die Funktion derivat () der Scipy -Bibliothek erbringt die gleiche Funktion, die wir manuell für ein mathematisches Problem erfüllen. Hier müssen wir die gleichen Eingänge für die Ableitungsfunktion bereitstellen. Siehe die Syntax der folgenden Ableitungsfunktion:

Wie bereits erwähnt, liefern die Scipy -Bibliothek und ihr Misc -Modul die Funktion derivat (). Es werden fast 6 Parameter entnommen, einige sind erforderliche Parameter und einige sind optional. Der Parameter „Funktion“ repräsentiert die Funktion, für die die Ableitungen gefunden werden müssen. Der Parameter „X“ repräsentiert den n -ten Ableitungspunkt. Der Parameter „DX“ gibt den Abstand an. Der Parameter „n“ gibt die Reihenfolge der Ableitung an. Der Parameter „Args“ wird verwendet, um die verschiedenen Argumente bereitzustellen. Zuletzt gibt der Parameter „Order“ die Anzahl der Punkte für die Ableitungsfunktion an. Lassen Sie uns nun die Ableitungen verschiedener Funktionen im folgenden Beispielabschnitt finden.

Beispiel 1:

Im ersten Beispiel werden wir Sie über den Schritt-für-Schritt-Prozess führen und Sie lernen. Betrachten Sie den angegebenen Beispielcode im folgenden Code -Snippet:

vom Scipy Import Misc
Def Fun (x):
Rückgabe x ** 5 + x ** 8
Miser.Derivat (Spaß, 1.8, dx = 1E-2)

Zunächst müssen wir das Misc -Modul aus der Scipy -Bibliothek importieren, damit wir die Funktion derivation () verwenden können, ohne Fehler zu haben. Danach wird eine Funktion namens "Fun" deklariert und die Funktion = x ** 5 + x ** 8 wird für die Ableitung verwendet. Die Funktion und andere Parameter werden an die Funktion derivation () übergeben, um die Ableitung zu finden. Lassen Sie uns nun die Ausgabe der folgenden DeDrivative () -Funktion überprüfen:

Beispiel 2:

Betrachten wir ein anderes Beispiel, in dem eine Funktion von der zweiten Funktion abhängt. Zuvor haben wir die Gleichung in der Funktion bereitgestellt und einfach das Ergebnis zurückgegeben. Hier übergeben wir den Variablenwert und rufen eine Funktion, aber von einer anderen Funktion auf. Betrachten Sie den angegebenen Beispielcode im folgenden Snippet:

vom Mathematikimport *
vom Scipy Import Misc
def f (x):
return exp (x)
def df (x):
Miscus zurückgeben.Derivat (f, x)
df (5)

Wir werden die exp () -Funktion verwenden, damit wir die Mathematikbibliothek in das Programm importieren. Danach werden die Scipy -Bibliothek und das Misc -Modul importiert, damit wir die Funktion derivat () verwenden können. Wie Sie sehen können, gibt es zwei Funktionen - der erste ist f () und der zweite ist df (). Die Funktion namens df () empfängt den Wert der Variablen und ruft die Funktion f () für die Ableitung Berechnung auf. Die Funktion f () führt die Berechnung aus. Es soll das Ergebnis der DF () -Funktion ausführen und zurückgeben. Die Ausgabe der Funktion Derivat () ist im Folgenden angegeben:

Beispiel 3:

Nachdem wir nun gelernt haben, die Ableitung einer Funktion zu finden, lassen Sie uns die Ermittlung der Ableitung der Funktionen praktizieren. Sie können lernen, wie Sie das Ableitung des Funktionsarrays aus diesem Beispiel erhalten. Siehe den folgenden Beispielcode:

vom Scipy Import Misc
fun1 = lambda x: x ** 1 + 3*x + 1
fun2 = lambda x: x ** 2 + 3*x + 2
fun3 = lambda x: x ** 3 + 3*x + 3
fun4 = lambda x: x ** 4 + 3*x + 4
fun5 = lambda x: x ** 5 + 3*x + 5
Funs = [Fun1, Fun2, Fun3, Fun4, Fun5]
für i in Reichweite (Len (Spaß)):
Dev = Derivat (Spaß [i], 1)
print ('Ableitung der Funktion is ='.Format (i+1), dev)

Zunächst werden die Scipy Library und das MISC -Modul importiert, was für den Import unerlässlich ist. Dann werden fünf Funktionen deklariert. Das Array von fünf Funktionen ist in der Variablen der Funs aufgeführt. Das "für;" Die Schleife wird verwendet, um jede im Array aufgeführte Funktion zu iterieren und das Ableitungsmittel auszuführen

Beispiel 4:

Die Ableitung einer Funktion und die Ableitung einer Reihe von Funktionen sind Konzepte, die wir in den vorherigen Abschnitten gelernt haben. Jetzt verstehen wir, wie die Ableitungsfunktion verwendet wird. Zeigen wir die Ausgabe der Derivatfunktion in einer Grafik an. Betrachten Sie den folgenden Beispielcode:

Numph als NP importieren
Matplotlib importieren.Pyplot als PLT
von Scipy.Miscorte -Derivat
Def Fun (x):
Rückgabe x ** 5 + 3*x + 5
Def Derivat (x):
Rückgabederivat (Spaß, x)
y = np.Linspace (-10, 10)
PLT.Diagramm (y, lustig (y), color = 'green', label = 'function')
PLT.Diagramm (y, Derivat (y), color = 'gelb', label = 'Derivat')
PLT.Legende (loc = 'unten rechts')
PLT.Raster (wahr)

Wir brauchen drei Bibliotheken in diesem Programm: Numpy, Matplotlib und Scipy. Die Numpy -Bibliothek ermöglicht es uns, die Funktion Linesspace () zu verwenden. Die Scipy -Bibliothek ermöglicht es uns, die Derivatfunktion zu verwenden. Zuletzt ermöglicht das Matplotlib, das Ergebnis in die Grafik zu zeichnen. Zwei Funktionen werden wie im vorherigen Beispiel deklariert. Eine Funktion ruft eine andere Funktion für die Ableitung Berechnung auf. Um das Diagramm zu zeichnen, verwenden wir den NP.Linienspace (-10, 10) Bereich. Die gesamte Kosmetik des Diagramms erfolgt im PLT.Plot () Funktion. Lassen Sie uns nun die folgende Grafik sehen:

Abschluss

Dieses Tutorial ist eine vollständige Anleitung zur Funktion der Ableitung () der Scipy -Bibliothek. Die Scipy -Bibliothek bietet das MISC -Modul, das die Funktion derivat () anbietet. Der Derivat () ist eine integrierte Funktion des Misc-Moduls, das dieselbe Funktion ausführt, die wir manuell ausführen, um ein mathematisches Problem zu lösen. Es ermöglicht es uns, das Ableitungen automatisch zu lösen, indem wir die wenigen Parameter der Funktion nutzen. Die Beispiele der Funktion Derivat () erklären gründlich, wie die Funktion der Derivat () in einem Python -Programm implementiert werden soll. Wenn Sie diese Beispiele üben.