### 如何使用 Python 和 Matplotlib 绘制二次函数 \( y = x^2 \) 的图像 以下是实现这一目标的具体方法： #### 导入必要的库 为了完成绘图操作，需要导入 `numpy` 和 `matplotlib.pyplot` 这两个核心库。前者用于生成数值数据序列，后者负责实际的绘图功能。 ```python import numpy as np import matplotlib.pyplot as plt ``` #### 定义自变量范围 通过 `np.arange()` 或 `np.linspace()` 方法定义自变量 \( x \) 的取值范围。这里推荐使用 `linspace` 来均匀分布采样点，从而获得更平滑的曲线效果[^2]。 ```python x = np.linspace(-6, 6, 300) # 自变量x从-6到6之间均匀选取300个点 ``` #### 计算因变量值 基于已知的二次函数表达式 \( y = x^2 \)，计算对应的因变量 \( y \) 值。 ```python y = x ** 2 # 对应于二次函数关系 ``` #### 配置图形属性 为图表添加标题、坐标轴标签以及网格线等辅助信息，以便更好地解释图像含义。 ```python plt.figure(figsize=(8, 6)) # 可选：调整画布尺寸 plt.plot(x, y, label='y = x²', color='blue') # 添加线条样式和标签 plt.title('二次函数图像 $y = x^2$', fontsize=16) # 图形标题支持LaTeX语法 plt.xlabel('x 轴', fontsize=12) # X轴描述 plt.ylabel('y 轴', fontsize=12) # Y轴描述 plt.grid(True, linestyle='--', alpha=0.6) # 开启网格并设置样式 plt.legend(fontsize=12) # 展示图例 ``` #### 显示最终结果 调用 `plt.show()` 将配置好的图像呈现出来。 ```python plt.tight_layout() # 自动优化布局防止重叠 plt.show() ``` 完整代码如下所示： ```python import numpy as np import matplotlib.pyplot as plt # 数据准备阶段 x = np.linspace(-6, 6, 300) # 构建连续变化区间内的离散样本集合 y = x ** 2 # 根据给定方程求解相应Y向量分量 # 可视化处理流程 plt.figure(figsize=(8, 6)) plt.plot(x, y, label='$y = x^2$', color='green') plt.title('Quadratic Function Visualization ($y = x^2$)', fontsize=16) plt.xlabel('Independent Variable (x)', fontsize=12) plt.ylabel('Dependent Variable (y)', fontsize=12) plt.axhline(0, color='black', linewidth=0.8) # 描绘水平零基线 plt.axvline(0, color='black', linewidth=0.8) # 描绘垂直零基线 plt.grid(visible=True, which='major', axis='both', linestyle='-.', alpha=0.7) plt.legend(loc='best', fontsize=12) # 输出展示环节 plt.tight_layout(pad=1.5) plt.show() ``` 上述脚本能够成功渲染出标准形式下的抛物线形状，并附带清晰标注与美观设计[^3]。 --- ####