捋一捋Python中的数学运算math库之三角函数

简介: 正式的Python专栏第20篇,同学站住,别错过这个从0开始的文章!

很多学习编程的都多多少少学习了一些数学知识。


前篇我们讲讲那些常用的数学处理函数, 我们接着过一过三角函数!


数学三角函数

除了前篇说的数的取值,指数对数等,还有我们初中数学的一些函数。如下:


正弦,余弦,正切

反正弦,反余弦,反正切

等等的,下面会使用math.sin/ math.cos/ math.tan 等等来进行三角函数运算。


他们都有一个共同点,参数都是弧度制(而非角度制)。


而asin/acos/atan 这类接收数字,输出的结果也并非角度,也是弧度值。


举个例子之计算 30度正弦值

如下,我们都知道3 0 ∘ 30^\circ30

正弦值等于0.5,但是上面提到的函数都只接受弧度的


sin ⁡ \sinsin(3 0 ∘ 30^\circ30

) = 1/2


也就是说:我们需要使用 30度 对应的弧度值,传给sin函数,才能算出sin(30度)


至此,我们需要引入两个重要的函数:


math.degrees(传入参数为弧度值)# 比如math.degrees(math.PI) 结果为180(度)
math.radians(传入参数为角度值)# 比如math.radians(180) 结果为PI
#角度转弧度
rad =  math.radians(角度值) #或者把知道角度的弧度值给进来:比如30度
#计算sin 给进弧度值对应的某个角度
math.sin(rad)  # 结果为1/2

代码展示

鉴于很多函数都需要接收一个产生或者是多个参数,学委把函数调用进行包装。

编写了exec函数,动态的打印执行了哪个函数,参数是啥。

如果你是小白,请简单理解exec函数是一个帮你运行数学函数的工具即可,它的用法是:

exec(参数,被调用的数学函数)
或者
exec(参数列表,被调用的数学函数)
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2021/10/26 10:02 下午
# @Author : LeiXueWei
# @CSDN/Juejin/Wechat: 雷学委
# @XueWeiTag: CodingDemo
# @File : number_demo.py
# @Project : hello
# @Blog: https://blog.csdn.net/geeklevin/article/details/121024945
import math
#这个函数为了方便输出展示,前篇文章有更多解释,需要请查看前篇。
def exec(obj, func, label=""):
    if type(obj) == list:
        print("%s : apply func %s on obj %s = %s" % (label,func, obj, func(*obj)))
    elif type(obj) == tuple:
        print("%s : apply func %s on obj %s = %s" % (label,func, obj, func(*obj)))
    else:
        #print("type of obj is %s " % type(obj))
        print("%s : apply func %s on obj %s = %s" % (label,func, obj, func(obj)))
exec(math.pi, math.degrees,"把角度转换为弧度") # pi 弧度 为 180度
exec(180, math.radians,"把弧度换转为角度") # 180度 为 1 pi 弧度
exec(math.pi/6, math.sin, "求sin(30度)") # sin(30度)= 1/2
exec(0.5, math.asin, "求asin(30度)") # asin(1/2) = 30度
print(math.degrees(math.asin(0.5))) # 30度
exec(math.pi/3, math.cos, "求cos(60度)") # cos(60度)= 1/2
exec(0.5, math.acos, "求acos(60度)") # acos(1/2) = 60度
print(math.degrees(math.acos(0.5))) # 60度
exec(0, math.tan, "求tan(0度)")
exec(0, math.atan, "求atan(0度)")
exec(math.pi/2, math.tan, "求tan(90度)") #tan (90度)没有任何意义,但是在计算机中math.pi/2 弧度没有办法严格表示为90读
print(math.tan(math.radians(45)))#tan(45度)= 1
print(math.tan(math.radians(90)))#tan (90度) 没有任何意义
#print(math.radians(90))# 因为角度转弧度并非精准表示的,计算机只能算一个无限逼近的数字弧度值来表示90,所以上面的90可以计算的
exec(1, math.atan, "求atan(0度)")
print(math.degrees(math.atan(1))) # 45度


下面是运行效果:

image.png

可以看到每个输出都跟我们实际数学学习到的公式结果一直(有些值只是稍微接近)。


注意! 但是tan(9 0 ∘ 90^\circ90

)居然被算出来了!

数学课本都说tan(9 0 ∘ 90^\circ90

)毫无意义!


这里我们也看到上面的三角函数都接受弧度值,这类值在计算机中只能表现为一个不断逼近的数字,所以尽管我们通过radians函数把90翻译为弧度了,但这个值不是绝对的90度。不会出现无意义的结果!


题外话:关于exec函数,请查看前篇文章说明。


目录
相关文章
|
4天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
18 0
|
3天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
18 7
|
19天前
|
网络协议 数据库连接 Python
python知识点100篇系列(17)-替换requests的python库httpx
【10月更文挑战第4天】Requests 是基于 Python 开发的 HTTP 库,使用简单,功能强大。然而,随着 Python 3.6 的发布,出现了 Requests 的替代品 —— httpx。httpx 继承了 Requests 的所有特性,并增加了对异步请求的支持,支持 HTTP/1.1 和 HTTP/2,能够发送同步和异步请求,适用于 WSGI 和 ASGI 应用。安装使用 httpx 需要 Python 3.6 及以上版本,异步请求则需要 Python 3.8 及以上。httpx 提供了 Client 和 AsyncClient,分别用于优化同步和异步请求的性能。
python知识点100篇系列(17)-替换requests的python库httpx
|
3天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
13 3
|
6天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
25 5
|
5天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
17 1
|
11天前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
28 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
14天前
|
数据可视化 数据挖掘 Python
Seaborn 库创建吸引人的统计图表
【10月更文挑战第11天】本文介绍了如何使用 Seaborn 库创建多种统计图表,包括散点图、箱线图、直方图、线性回归图、热力图等。通过具体示例和代码,展示了 Seaborn 在数据可视化中的强大功能和灵活性,帮助读者更好地理解和应用这一工具。
30 3
|
1天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
3天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
22 0