import numpy as np
import scipy.optimize as opt
import pylab as pl'''
学习了scipy的求最小值的函数，以及imshow函数
运行程序后，输入要用的最小值方法，然后会返回求解的过程
'''
method=input('请输入使用的最小值函数: ')
points=[]
def f(p):
x,y=p
z=(1-x)**2+100*(y-x**2)**2
points.append((x,y,z))
return z
def fprime(p):
x,y=p
dx=-2+2*x-400*x*(y-x**2)
dy=200*y-200*x**2
return np.array([dx,dy])
init_point=(-2,-2)
fmin_func=opt.__dict__[method]
if method in ['fmin','fmin_powell']:
result=fmin_func(f,init_point)
elif method in ['fmin','fmin_bfgs','fmin_l_bfgs_b','fmin_tnc']:
result=fmin_func(f,init_point,fprime)
elif method in ['fmin_cobyla']:
result=fmin_func(f,init_point,[])
else:
print('fmin function not found')p=np.array(points) #将所有点传给p
xmin,xmax=np.min(p[:,0])-1,np.max(p[:,0])+1
ymin,ymax=np.min(p[:,1])-1,np.max(p[:,1])+1
Y,X=np.ogrid[ymin:ymax:500j,xmin:xmax:500j] #返回一个列矩阵与行矩阵
Z=np.log10(f((X,Y)))
zmin,zmax=np.min(Z),np.max(Z)
#热图 heatmap
#pl.imshow(Z,extent=(xmin,xmax,ymin,ymax),origin='lower',aspect='auto')
pl.imshow(Z,extent=(xmin,xmax,ymin,ymax),origin='lower',aspect='auto')
pl.plot(p[:,0],p[:,1]) #将(x,y)的折线图画出来
pl.scatter(p[:,0],p[:,1],c=range(len(p))) #将(x,y)的点在图上显示出来
pl.xlim(xmin,xmax)
pl.ylim(ymin,ymax)
pl.show()
'''
imshow方法：在2D常规栅格（regular raster）上显示图像
extent图像在画布上的上下左右位置
origin 两种选择lower或upper，从最小开始或最大开始
aspect控制轴的纵横比
'''
当然我写博客主要是为了记录自己的学习，以及以后可以再改或者复习