导数（Derivative），也叫导函数值。又名微商，是微积分中的重要基础概念。当函数y=f（x）的自变量x在一点x0上产生一个增量Δx时，函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在，a即为在x0处的导数，记作f'（x0）或df（x0）/dx。
不是所有的函数都有导数，一个函数也不一定在所有的点上都有导数。若某函数在某一点导数存在，则称其在这一点可导，否则称为不可导。然而，可导的函数一定连续；不连续的函数一定不可导。
切线指的是一条刚好触碰到曲线上某一点的直线。更准确地说，当切线经过曲线上的某点（即切点）时，切线的方向与曲线上该点的方向是相同的。平面几何中，将和圆只有一个公共交点的直线叫做圆的切线。
法线（normal line），是指始终垂直于某平面的直线。在几何学中，法线指平面上垂直于曲线在某点的切线的一条线。法线也应用于光学的平面镜反射上。
#!/usr/bin/env python
# -*- coding: UTF-8 -*-
# _ooOoo_
# o8888888o
# 88" . "88
# ( | - _ - | )
# O = /O
# ____/`---'____
# .' \| |// `.
# / \|||:|||//
# / _|||||-:- |||||-
# | | \ - /// | |
# | _| ''---/'' | _/ |
# .-__ `-` ___/-. /
# ___`. .' /--.-- `. . __
# ."" '< `.____<|>_/___.' >'"".
# | | : `- `.;` _ /`;.`/ - ` : | |
# `-. _ __ /__ _/ .-` / /
# ==`-.____`-.________/___.-`____.-'==
# `=---='
'''
@Project ：pythonalgorithms
@File ：derivatives.py
@Author ：不胜人生一场醉@Date ：2021/8/1 0:17
'''
import matplotlib.pyplot as plt
import numpy as np
import math
import sympy
import mpl_toolkits.axisartist as axisartist # 导入坐标轴加工模块
if __name__ == '__main__':
quadraticderivativeplot()
exponentialderivativeplot()
arccscderivativeplot()# 导数（Derivative），也叫导函数值。又名微商，是微积分中的重要基础概念。
# 当函数y=f（x）的自变量x在一点x0上产生一个增量Δx时，函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在，a即为在x0处的导数，记作f'（x0）或df（x0）/dx。
# 不是所有的函数都有导数，一个函数也不一定在所有的点上都有导数。
# 若某函数在某一点导数存在，则称其在这一点可导，否则称为不可导。然而，可导的函数一定连续；不连续的函数一定不可导。
def quadraticderivativeplot():
plt.figure(figsize=(5, 12))
ax = plt.gca() # 通过gca:get current axis得到当前轴
plt.rcParams['font.sans-serif'] = ['SimHei'] # 绘图中文
plt.rcParams['axes.unicode_minus'] = False # 绘图负号
x = np.linspace(-2, 2, 200)
y = x ** 2
label = '函数=x**2的曲线'
plt.plot(x, y, label=label)
yd = 2 * x
label = '导数线=2*x的曲线'
plt.plot(x, yd, label=label)
a = 1
ad = a ** 2
plt.plot(a, ad, 'og', label='x=1的某个点')
# y=ax b,已知a=2,x=1,y=1，求b
b = ad - 2 * a
# 准备画切线的数据
al = np.linspace(-2, 2, 200)
yl = 2 * al b
label = 'x=1的切线'
plt.plot(al, yl, label=label)
# 准备画法线的数据，切线斜率=法线斜率的负数
b = ad 2 * a
al = np.linspace(-2, 2, 200)
yl = -2 * al b
label = 'x=1的法线'
plt.plot(al, yl, label=label)
# 求导函数
x = sympy.Symbol('x')
f1 = x ** 2
# 参数是函数与变量
f1_ = sympy.diff(f1, x)
print(f1_)
# 设置图片的右边框和上边框为不显示
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 挪动x，y轴的位置，也就是图片下边框和左边框的位置
# data表示通过值来设置x轴的位置，将x轴绑定在y=0的位置
ax.spines['bottom'].set_position(('data', 0))
# axes表示以百分比的形式设置轴的位置，即将y轴绑定在x轴50%的位置
# ax.spines['left'].set_position(('axes', 0.5))
ax.spines['left'].set_position(('data', 0))
plt.title("二次函数、导数曲线及某点的法线、切线")
plt.legend(loc='upper right')
plt.show()
# 指数函数的导数
# 指数函数 y=a**x
# 指数函数的导数为 y=a**x*ln(a)
def exponentialderivativeplot():
plt.figure(figsize=(5, 12))
ax = plt.gca() # 通过gca:get current axis得到当前轴
plt.rcParams['font.sans-serif'] = ['SimHei'] # 绘图中文
plt.rcParams['axes.unicode_minus'] = False # 绘图负号
a = 2
x = np.linspace(-2, 2, 200)
y = np.power(a, x)
yd = np.power(a, x) * np.log(a)
label = '函数=a**x的曲线'
plt.plot(x, y, label=label)
label = '导数线=a**x的曲线'
plt.plot(x, yd, label=label)
xpoint = 1
ypoint = np.power(a, xpoint)
plt.plot(xpoint, ypoint, 'og', label='x=1的某个点')
# 斜率slope=导数，求截距intercept
slope = math.pow(a, xpoint) * math.log(a, np.e)
# y=ax b,已知a,x,y，求b
intercept = ypoint - slope * xpoint
# 准备画切线的数据
yl = x * slope intercept
# print(slope,intercept,yl)
label = 'x=1的切线'
plt.plot(x, yl, label=label)
# 准备画法线的数据，切线斜率=法线斜率的负数
# y=ax b,已知x,y,-a,求b
intercept = ypoint slope * xpoint
yl = -x * slope intercept
label = 'x=1的法线'
plt.plot(x, yl, label=label)
# # 求导函数
# x = sympy.Symbol('x')
# f1 = x**2
# # 参数是函数与变量
# f1_ = sympy.diff(f1, x)
# print(f1_)
# 设置图片的右边框和上边框为不显示
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 挪动x，y轴的位置，也就是图片下边框和左边框的位置
# data表示通过值来设置x轴的位置，将x轴绑定在y=0的位置
ax.spines['bottom'].set_position(('data', 0))
# axes表示以百分比的形式设置轴的位置，即将y轴绑定在x轴50%的位置
# ax.spines['left'].set_position(('axes', 0.5))
ax.spines['left'].set_position(('data', 0))
plt.title("指数函数、导数曲线及某点的法线、切线")
plt.legend(loc='upper right')
plt.show()
# 常用导数公式表如下：#
# c'=0(c为常数）
# (x^a)'=ax^(a-1),a为常数且a≠0
# (a^x)'=a^xlna
# (e^x)'=e^x#
# (logax)'=1/(xlna),a>0且 a≠1
# (lnx)'=1/x
# (sinx)'=cosx
# (cosx)'=-sinx
# (tanx)'=(secx)^2
# (secx)'=secxtanx
# (cotx)'=-(cscx)^2
# (cscx)'=-csxcotx
# (arcsinx)'=1/√(1-x^2)
# (arccosx)'=-1/√(1-x^2)
# (arctanx)'=1/(1 x^2)
# (arccotx)'=-1/(1 x^2)
# arcsinx函数的导数
# arcsinx函数
# arcsinx函数的导数为 1/√(1-x^2)
def arccscderivativeplot():
plt.figure(figsize=(10, 5))
ax = plt.gca() # 通过gca:get current axis得到当前轴
plt.rcParams['font.sans-serif'] = ['SimHei'] # 绘图中文
plt.rcParams['axes.unicode_minus'] = False # 绘图负号
x = np.append(np.linspace(0.01, np.pi / 2 - 0.01, 120),
np.linspace(np.pi / 2 0.01, np.pi - 0.01, 120))
y = 1 / np.cos(x)
# 正割函数 sec(x)=1/cos(x)
# 反正割函数 颠倒x,y值即可
label = '函数为np.arcsecx(x)的曲线'
plt.plot(y, x, label=label)
x = np.linspace(-0.99, 0.99, 120)
yd = 1 / np.sqrt(1 - np.power(x, 2))
label = '导数线为np.arcsecx(x)的曲线'
plt.plot(x, yd, label=label)
# 设置图片的右边框和上边框为不显示
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 挪动x，y轴的位置，也就是图片下边框和左边框的位置
# data表示通过值来设置x轴的位置，将x轴绑定在y=0的位置
ax.spines['bottom'].set_position(('data', 0))
# axes表示以百分比的形式设置轴的位置，即将y轴绑定在x轴50%的位置
# ax.spines['left'].set_position(('axes', 0.5))
ax.spines['left'].set_position(('data', 0))
plt.title("arcsin函数、导数曲线")
plt.legend(loc='upper right')
plt.show()
