3

0.45454545,

0.54545455,

0.63636364,

0.72727273,

0.81818182,

0.90909091,

1.

])

第三个参数 num 预设为 50

>>> np.linspace(0,10)

array([

0.

,

0.20408163,

0.40816327,

0.6122449 ,

0.81632653,

1.02040816,

1.2244898 ,

1.42857143,

1.63265306,

1.83673469,

2.04081633,

2.24489796,

2.44897959,

2.65306122,

2.85714286,

3.06122449,

3.26530612,

3.46938776,

3.67346939,

3.87755102,

4.08163265,

4.28571429,

4.48979592,

4.69387755,

4.89795918,

5.10204082,

5.30612245,

5.51020408,

5.71428571,

5.91836735,

6.12244898,

6.32653061,

6.53061224,

6.73469388,

6.93877551,

7.14285714,

7.34693878,

7.55102041,

7.75510204,

7.95918367,

8.16326531,

8.36734694,

8.57142857,

8.7755102 ,

8.97959184,

9.18367347,

9.3877551 ,

9.59183673,

9.79591837,

10.

])

Numpy 库有一般 math 库函数的数组实现；
如 sin，cos，log，

>>> x=np.arange(0,np.pi/2,0.1)

>>> y=sin(x)

Traceback (most recent call last):

File "<pyshell#18>", line 1, in <module>

y=sin(x)

NameError: name 'sin' is not defined

>>> y=np.sin(x)

>>> y

array([ 0.

,

0.09983342,

0.19866933,

0.29552021,

0.38941834,

0.47942554,

0.56464247,

0.64421769,

0.71735609,

0.78332691,

0.84147098,

0.89120736,

0.93203909,

0.96355819,

0.98544973,

0.99749499])

数组的最后一项不是 1 是因为数组的数据不是标准的浮点型的数据

>>> x

array([ 0. ,

0.1,

0.2,

0.3,

0.4,

0.5,

0.6,

0.7,

0.8,

0.9,

1. ,

1.1,

1.2,

1.3,

1.4,

1.5])

如果要精确的浮点计算请参见 numpy 文档。
基本函数（三角，对数，平方，立方，等）的使用就是在函数前加上 np.这样就能实现数组
的函数计算。

3.2

3.2

3.2

3.2 Matplotlib

Matplotlib

Matplotlib

Matplotlib 使用风格介绍

使用风格介绍

使用风格介绍

使用风格介绍

Matplotlib 的使用中有好几种输出风格，有类 matlab 的风格，和官方文档的使用的 as 风格 ，