189 8069 5689
raw_input获取的输入是字符串，不能直接用np.array，需要用split进行切分，然后强制转化成数值类型，才能用plot函数
创新互联主要从事成都网站制作、做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务荔湾,10余年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18980820575
我把你的代码稍微修改了一下，可能不太漂亮，不过能运行了
x=[1,2,3]
a = raw_input('function')
a = a.split(' ')#依空格对字符串a进行切分，如果是用逗号分隔，则改成a.split(',')
b = []
for i in range(len(a)):#把切分好的字符强制转化成int类型，如果是小数，将int改为float
b.append(int(a[i]))
plt.plot(x, b, label='x', color="green", linewidth=1)
不写出y=f(x)这样的表达式，由隐函数的等式直接绘制图像，以x²+y²+xy=1的图像为例，使用sympy间接调用matplotlib工具的代码和该二次曲线图像如下（注意python里的乘幂符号是**而不是^，还有，python的sympy工具箱的等式不是a==b，而是a-b或者Eq(a,b)，这几点和matlab的区别很大）
直接在命令提示行的里面运行代码的效果
from sympy import *;
x,y=symbols('x y');
plotting.plot_implicit(x**2+y**2+x*y-1);
一. 首先说说自相关互相关概念 信号析概念别表示两间序列间同间序列任意两同刻取值间相关程度即互相关函数描述随机信号 x(t),y(t)任意两同刻t一t二取值间相关程度自相关函数描述随机信号x(t)任意两同刻t一t二取值间相关 程度 自相关函数描述随机信号X(t)任意两同刻t一t二取值间相关程度；互相关函数给频域内两信号否相关判断指标两测点间信号互谱与各自自谱联系起能用确定输信号程度自输入信号修测量接入噪声源产误差非效. 事实图象处理自相关互相关函数定义：设原函数f(t)则自相关函数定义R(u)=f(t)*f(-t)其*表示卷积；设两 函数别f(t)g(t)则互相关函数定义R(u)=f(t)*g(-t)反映两函数同相位置互相匹配程度 何matlab实现两相关并用图像显示呢 dt=.一; t=[0:dt:一00]; x=cos(t); [a,b]=xcorr(x,'unbiased'); plot(b*dt,a) 面代码求自相关函数并作图于互相关函数稍微修改即[a,b]=xcorr(x,'unbiased');改[a,b]=xcorr(x,y,'unbiased');便 二. 实现程： Matalb求解xcorr程事实利用Fourier变换卷积定理进行即R(u)=ifft(fft(f)×fft(g))其 ×表示乘注：公式仅表示形式计算并非实际计算所用公式直接采用卷积进行计算结与xcorr同事实两者既定 理保证结定相同没用公式已面检验两者结相同代码： dt=.一; t=[0:dt:一00]; x=三*sin(t); y=cos(三*t); subplot(三,一,一); plot(t,x); subplot(三,一,二); plot(t,y); [a,b]=xcorr(x,y); subplot(三,一,三); plot(b*dt,a); yy=cos(三*fliplr(t)); % or use: yy=fliplr(y); z=conv(x,yy); pause; subplot(三,一,三); plot(b*dt,z,'r'); 即xcorr使用scaling 三. 其相关问题： （一）相关程度与相关函数取值联系 相关系数比率等单位量度单位名称相关百数般取数点两位表示相关系数负号表示相关向绝值表示相关程度等单位度量能说相关系数0.漆0.三5两倍能说相关系数0.漆二列变量相关程度比相关系数0.三5二列变量相关程度更密切更高能说相关系数0.漆00.吧0与相关系数0.三00.四0增加程度 于相关系数所表示意义目前统计界尚致通认： 相关系数 相关程度 0.00-±0.三0 微相关 ±0.三0-±0.50 实相关 ±0.50-±0.吧0 显著相关 ±0.吧0-±一.00 高度相关 （二）matlab计算自相关函数autocorrxcorr 别用两函数同序列计算结太xcorr没均值减掉做相关autocorr则减掉均值且用离散信号做自相关信号截取度（采点N）自相关函数 （三）xcorr计算互相关函数带option参数: a=xcorr(x,y,'option') option=baised计算互相关函数偏估计； option=unbaised计算互相关函数偏估计； option=coeff计算归化互相关函数即互相关系数-一至一间； option=none缺省情况 所想要计算互相关系数用'coeff'参数 用xcorr函数作离散互相关运算要注意x, y等向量短向量自填0与齐运算结行向量列向量与x 互相关运算计算x,y两组随机数据相关程度使用参数coeff结互相关系数-一至一间否则结定范围能能视乎x, y数据所般要计算两组数据相关程度般选择coeff参数结进行归化 所谓归化简单理解数据系列缩放-一一范围式种简化计算式即量纲表达式经变换化量纲表达式纯量变换式X=(X实测--Xmin)/(Xmax-Xmin) 般说选择归化进行互相关运算结绝值越两组数据相关程度越
import matplotlib.pyplot as plt
plt.scatter(xdata,ydata)
(xdata,ydata为两个需要作图的数据集)
pre
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon
def func(x):
return -(x-2)*(x-8)+40
x=np.linspace(0,10)
y=func(x)
fig,ax = plt.subplots()
plt.plot(x,y,'r',linewidth=2)
plt.ylim(ymin=20)
a=2
b=9
ax.set_xticks([a,b])
ax.set_xticklabels(['$a$','$b$'])
ax.set_yticks([])
plt.figtext(0.9,0.05,'$x$')
plt.figtext(0.1,0.9,'$y$')
ix=np.linspace(a,b)
iy=func(ix)
ixy=zip(ix,iy)
verts=[(a,0)]+list(ixy)+[(b,0)]
poly = Polygon(verts,facecolor='0.9',edgecolor='0.5')
ax.add_patch(poly)
x_math=(a+b)*0.5
y_math=35
plt.text(x_math,y_math,r"$\int_a^b(-(x-2)*(x-8)+40)dx$",horizontalalignment='center',size=12)
plt.show()
/pre