### 绘制给定曲线上某点处的切线 为了通过给定的数据点绘制一条曲线并计算其上的切线，可以采用数值微分的方法来估算导数。下面展示了具体实现过程： #### 导入必要的库 ```python import numpy as np from scipy.misc import derivative import matplotlib.pyplot as plt ``` #### 定义目标函数及其参数 假设有一个具体的数学表达式作为待拟合的目标函数f(x)，这里以二次方程为例[^1]。 ```python def func(x): """定义一个简单的抛物线函数""" a, b, c = 1, -2, 0 # 参数a,b,c可以根据实际情况调整 return a * (x ** 2) + b * x + c ``` #### 计算指定位置处的一阶导数值（即斜率） 利用`scipy.misc.derivative()`函数可以在任意一点近似求得一阶导数，从而获得该点对应的直线倾斜角度。 ```python point_x = 2 # 设定点的位置 slope_at_point = derivative(func, point_x, dx=1e-6) print(f"Slope at x={point_x}: {slope_at_point}") ``` #### 获取完整的坐标集用于绘图展示 创建一系列连续变化的自变量值，并调用之前定义好的func()得到因变量y[]；同时也要准备另一个数组用来保存所选特殊点附近的额外几个样本点以便更好地显示局部特征。 ```python xs = np.linspace(-5, 5, 400) ys = [func(xi) for xi in xs] nearby_xs = np.linspace(point_x - 1, point_x + 1, 20) nearby_ys = [func(nxi) for nxi in nearby_xs] ``` #### 构建切线条目 基于上述获取到的信息构建出过选定节点并与之相切的新直线路段。 ```python tangent_line_y = slope_at_point * (np.array(xs) - point_x) + func(point_x) ``` #### 展现最终效果 最后一步就是把所有的图形元素组合起来呈现出来啦！ ```python plt.figure(figsize=(8, 6)) plt.title('Curve and Tangent Line') plt.xlabel('X Axis') plt.ylabel('Y Axis') # Plot original function curve plt.plot(xs, ys, label='Original Curve', color='blue') # Highlight the specific point on the curve where we want to draw tangent line. plt.scatter([point_x], [func(point_x)], color="red") # Draw the tangent line across whole plot area using calculated slope value. plt.plot(xs, tangent_line_y, linestyle="--", color="green", linewidth=2) # Optionally highlight small region around selected point with more detailed view of both curves together. plt.fill_between(nearby_xs, nearby_ys, alpha=.3, facecolor='yellow') plt.legend() plt.grid(True) plt.show() ``` 此代码片段实现了对于给定形式下的简单多项式的可视化处理以及在其上任选一处作法向量的操作。当然，在面对更加复杂的真实世界应用场景时可能还需要考虑更多因素比如噪声干扰等问题，但这已经足以作为一个基础入门案例了。