大家好,今天小編來為大家解答以下的問題，關于python怎么用cos，python的math這個很多人還不知道，現在讓我們一起來看看吧！

python cost用法

Pythoncos()函數

描述

cos()返回x的弧度的余弦值。

語法

以下是cos()方法的語法:

importmath

math.cos(x)

注意：cos()是不能直接訪問的，需要導入math模塊，然后通過math靜態對象調用該方法。

參數

x--一個數值。

返回值

返回x的弧度的余弦值,-1到1之間。

實例

以下展示了使用cos()方法的實例：

#!/usr/bin/python

importmath

print"cos(3):",math.cos(3)

print"cos(-3):",math.cos(-3)

print"cos(0):",math.cos(0)

print"cos(math.pi):",math.cos(math.pi)

print"cos(2*math.pi):",math.cos(2*math.pi)

以上實例運行后輸出結果為：

cos(3):-0.9899924966

cos(-3):-0.9899924966

cos(0):1.0

cos(math.pi):-1.0

cos(2*math.pi):1.0

sin平方x在python中怎么表示

在python中,有一個mathmodule,你可以importmath,里面有math.sin(),math.cos(),math.asin()和math.acos()四個函數.有了這四個函數你就可以求函數值和角度了.注意:括號里面填的數值,要用弧度制.

Python如何實現數據動態化

Python有些出色的數據可視化庫，但很少能渲染GIF或視頻動畫。本文介紹如何運用MoviePy作為其他庫的通用動畫插件。

有了MoviePy，你可以用一個函數make_frame(t)自定義動畫，并返回相應的時間t的視頻幀（秒）：

Python123456789101112frommoviepy.editorimportVideoClipdefmake_frame(t):"""returnsanimageoftheframeattimet"""#...createtheframewithanylibraryreturnframe_for_time_t#(HeightxWidthx3)Numpyarrayanimation=VideoClip(make_frame,duration=3)#3-secondclip#Fortheexport,manyoptions/formats/optimizationsaresupportedanimation.write_videofile("my_animation.mp4",fps=24)#exportasvideoanimation.write_gif("my_animation.gif",fps=24)#exportasGIF(slow)

在之前的文章中，我用這種方法來做制作矢量圖形動畫（用Gizeh庫），和光線追蹤三維場景（由POV-Ray做出）。這篇文章包括MayaVi、vispy、matplotlib、NumPy和Scikit-image這些科學庫。

用Mayavi的動畫

Mayavi是一個針對有簡單接口的交互3D數據可視化的Python模塊。在第一個例子中，我們做一個高度隨時間t變化的表面的動畫：

Python12345678910111213141516171819202122importnumpyasnpimportmayavi.mlabasmlabimportmoviepy.editorasmpyduration=2#durationoftheanimationinseconds(itwillloop)#MAKEAFIGUREWITHMAYAVIfig_myv=mlab.figure(size=(220,220),bgcolor=(1,1,1))X,Y=np.linspace(-2,2,200),np.linspace(-2,2,200)XX,YY=np.meshgrid(X,Y)ZZ=lambdad:np.sinc(XX**2+YY**2)+np.sin(XX+d)#ANIMATETHEFIGUREWITHMOVIEPY,WRITEANANIMATEDGIFdefmake_frame(t):mlab.clf()#clearthefigure(toresetthecolors)mlab.mesh(YY,XX,ZZ(2*np.pi*t/duration),figure=fig_myv)returnmlab.screenshot(antialiased=True)animation=mpy.VideoClip(make_frame,duration=duration)animation.write_gif("sinc.gif",fps=20)

另一個例子是一個坐標和觀看角度都隨時間變化的線框網：

Python12345678910111213141516171819202122232425262728importnumpyasnpimportmayavi.mlabasmlabimportmoviepy.editorasmpyduration=2#durationoftheanimationinseconds(itwillloop)#MAKEAFIGUREWITHMAYAVIfig=mlab.figure(size=(500,500),bgcolor=(1,1,1))u=np.linspace(0,2*np.pi,100)xx,yy,zz=np.cos(u),np.sin(3*u),np.sin(u)#Pointsl=mlab.plot3d(xx,yy,zz,representation="wireframe",tube_sides=5,line_width=.5,tube_radius=0.2,figure=fig)#ANIMATETHEFIGUREWITHMOVIEPY,WRITEANANIMATEDGIFdefmake_frame(t):"""Generatesandreturnstheframefortimet."""y=np.sin(3*u)*(0.2+0.5*np.cos(2*np.pi*t/duration))l.mlab_source.set(y=y)#changey-coordinatesofthemeshmlab.view(azimuth=360*t/duration,distance=9)#cameraanglereturnmlab.screenshot(antialiased=True)#returnaRGBimageanimation=mpy.VideoClip(make_frame,duration=duration).resize(0.5)#Videogenerationtakes10seconds,GIFgenerationtakes25sanimation.write_videofile("wireframe.mp4",fps=20)animation.write_gif("wireframe.gif",fps=20)

因為Mayavi有著強大的ITK可視化引擎，它還可以處理復雜數據集。這里有一個源自于Mayavi例子的動畫

代碼

AnimationswithVispy用Vispy的動畫

Vispy是另一個以OpenGL為基礎的交互3D可視化庫。至于Mayavi，我們用MoviePy先做出一個圖和一個網。

Python12345678910111213141516171819202122232425262728frommoviepy.editorimportVideoClipimportnumpyasnpfromvispyimportapp,scenefromvispy.gloo.utilimport_screenshotcanvas=scene.SceneCanvas(keys='interactive')view=canvas.central_widget.add_view()view.set_camera('turntable',mode='perspective',up='z',distance=2,azimuth=30.,elevation=65.)xx,yy=np.arange(-1,1,.02),np.arange(-1,1,.02)X,Y=np.meshgrid(xx,yy)R=np.sqrt(X**2+Y**2)Z=lambdat:0.1*np.sin(10*R-2*np.pi*t)surface=scene.visuals.SurfacePlot(x=xx-0.1,y=yy+0.2,z=Z(0),shading='smooth',color=(0.5,0.5,1,1))view.add(surface)canvas.show()#ANIMATEWITHMOVIEPYdefmake_frame(t):surface.set_data(z=Z(t))#Updatethemathematicalsurfacecanvas.on_draw(None)#UpdatetheimageonVispy'scanvasreturn_screenshot((0,0,canvas.size[0],canvas.size[1]))[:,:,:3]animation=VideoClip(make_frame,duration=1).resize(width=350)animation.write_gif('sinc_vispy.gif',fps=20,opt='OptimizePlus')

還有一些更高級的例子（源自于Vispy庫），它是用C代碼片段中嵌入Python代碼，微調了3D渲染的：

代碼

代碼

用Matplotlib的動畫

2D/3D繪圖庫Matplotlib已經有了動畫模塊，但我發現moviepy可以做出更輕量級，質量更好的視頻，卻達到了兩倍的速度（不知道為什么？在這里看到更多細節）。這里有個如何使用matplotlib和moviepy的例子：

Python123456789101112131415161718192021222324importmatplotlib.pyplotaspltimportnumpyasnpfrommoviepy.video.io.bindingsimportmplfig_to_npimageimportmoviepy.editorasmpy#DRAWAFIGUREWITHMATPLOTLIBduration=2fig_mpl,ax=plt.subplots(1,figsize=(5,3),facecolor='white')xx=np.linspace(-2,2,200)#thexvectorzz=lambdad:np.sinc(xx**2)+np.sin(xx+d)#the(changing)zvectorax.set_title("Elevationiny=0")ax.set_ylim(-1.5,2.5)line,=ax.plot(xx,zz(0),lw=3)#ANIMATEWITHMOVIEPY(UPDATETHECURVEFOREACHt).MAKEAGIF.defmake_frame_mpl(t):line.set_ydata(zz(2*np.pi*t/duration))#<=Updatethecurvereturnmplfig_to_npimage(fig_mpl)#RGBimageofthefigureanimation=mpy.VideoClip(make_frame_mpl,duration=duration)animation.write_gif("sinc_mpl.gif",fps=20)

Matplotlib有很多漂亮的主題，而且和像Pandas或Scikit-Learn這些數字模塊能很好配合。讓我們看一個SVM分類器，以更好地明白訓練點的數量增加時的地圖。

Python1234567891011121314151617181920212223242526272829303132importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportsvm#sklearn=scikit-learnfromsklearn.datasetsimportmake_moonsfrommoviepy.editorimportVideoClipfrommoviepy.video.io.bindingsimportmplfig_to_npimageX,Y=make_moons(50,noise=0.1,random_state=2)#semi-randomdatafig,ax=plt.subplots(1,figsize=(4,4),facecolor=(1,1,1))fig.subplots_adjust(left=0,right=1,bottom=0)xx,yy=np.meshgrid(np.linspace(-2,3,500),np.linspace(-1,2,500))defmake_frame(t):ax.clear()ax.axis('off')ax.set_title("SVCclassification",fontsize=16)classifier=svm.SVC(gamma=2,C=1)#thevaryingweightsmakethepointsappearoneaftertheotherweights=np.minimum(1,np.maximum(0,t**2+10-np.arange(50)))classifier.fit(X,Y,sample_weight=weights)Z=classifier.decision_function(np.c_[xx.ravel(),yy.ravel()])Z=Z.reshape(xx.shape)ax.contourf(xx,yy,Z,cmap=plt.cm.bone,alpha=0.8,vmin=-2.5,vmax=2.5,levels=np.linspace(-2,2,20))ax.scatter(X[:,0],X[:,1],c=Y,s=50*weights,cmap=plt.cm.bone)returnmplfig_to_npimage(fig)animation=VideoClip(make_frame,duration=7)animation.write_gif("svm.gif",fps=15)

簡單明了，背景色代表分類器辨識黑點和白點屬于哪里。在一開始沒有真正的線索，但隨著更多的點出錢，月牙形分布區域漸漸顯現了。

用Numpy的動畫

如果你正用著Numpy數組（Numpy是一個Python的中央數字庫），你不需要任何外部繪圖庫，你可以直接將這些數組饋入MoviePy。

這通過模擬在法國的僵尸爆發（靈感來自MaxBerggren的博客，伯樂在線已有全文翻譯：《用Python在地圖上模擬疫情擴散》）。法國被仿作一個所有分散和感染的計算都完成的網格（NumPy數組）。每隔一段時間，一些NumPy操作變換網格為有效的RGB圖像，并將其發送到Moviepy。

代碼

把動畫放到一起

什么比一個動畫更好呢？兩個動畫！你可以利用MoviePy視頻合成功能，來混合來自不同庫的動畫：

Python123456importmoviepy.editorasmpy#WeusetheGIFsgeneratedearliertoavoidrecomputingtheanimations.clip_mayavi=mpy.VideoFileClip("sinc.gif")clip_mpl=mpy.VideoFileClip("sinc_mpl.gif").resize(height=clip_mayavi.h)animation=mpy.clips_array([[clip_mpl,clip_mayavi]])animation.write_gif("sinc_plot.gif",fps=20)

Orforsomethingmoreartistic:

Python12345678#Makethewhitecolortransparentinclip_mayaviclip_mayavi2=(clip_mayavi.fx(mpy.vfx.mask_color,[255,255,255]).set_opacity(.4)#wholeclipissemi-transparent.resize(height=0.85*clip_mpl.h).set_pos('center'))animation=mpy.CompositeVideoClip([clip_mpl,clip_mayavi2])animation.write_gif("sinc_plot2.gif",fps=20)

也許有點太快了，但有時你必須給你的觀眾一些可以讓他們議論的東西。

你也可以注解動畫，當比較不同的過濾器或算法時，注解動畫很實用。讓我們看看四張由庫scikit-image變換的圖像：

Python1234567891011121314151617181920212223242526importmoviepy.editorasmpyimportskimage.exposureasske#rescaling,histogrameq.importskimage.filterasskf#gaussianblurclip=mpy.VideoFileClip("sinc.gif")gray=clip.fx(mpy.vfx.blackwhite).to_mask()defapply_effect(effect,title,**kw):"""Returnsaclipwiththeeffectappliedandatitle"""filtr=lambdaim:effect(im,**kw)new_clip=gray.fl_image(filtr).to_RGB()txt=(mpy.TextClip(title,font="Purisa-Bold",fontsize=15).set_position(("center","top")).set_duration(clip.duration))returnmpy.CompositeVideoClip([new_clip,txt])#Apply4differenteffectstotheoriginalanimationequalized=apply_effect(ske.equalize_hist,"Equalized")rescaled=apply_effect(ske.rescale_intensity,"Rescaled")adjusted=apply_effect(ske.adjust_log,"Adjusted")blurred=apply_effect(skf.gaussian_filter,"Blurred",sigma=4)#Puttheclipstogetherona2x2grid,andwritetoafile.finalclip=mpy.clips_array([[equalized,adjusted],[blurred,rescaled]])final_clip.write_gif("test2x2.gif",fps=20)

如果我們把CompositeVideoClip和clips_array替代成concatenate_videoclips，我們得到標題效果式動畫：

Python12345678910111213141516171819202122232425importmoviepy.editorasmpyimportskimage.exposureasskeimportskimage.filterasskfclip=mpy.VideoFileClip("sinc.gif")gray=clip.fx(mpy.vfx.blackwhite).to_mask()defapply_effect(effect,label,**kw):"""Returnsaclipwiththeeffectappliedandatoplabel"""filtr=lambdaim:effect(im,**kw)new_clip=gray.fl_image(filtr).to_RGB()txt=(mpy.TextClip(label,font="Amiri-Bold",fontsize=25,bg_color='white',size=new_clip.size).set_position(("center")).set_duration(1))returnmpy.concatenate_videoclips([txt,new_clip])equalized=apply_effect(ske.equalize_hist,"Equalized")rescaled=apply_effect(ske.rescale_intensity,"Rescaled")adjusted=apply_effect(ske.adjust_log,"Adjusted")blurred=apply_effect(skf.gaussian_filter,"Blurred",sigma=4)clips=[equalized,adjusted,blurred,rescaled]animation=mpy.concatenate_videoclips(clips)animation.write_gif("sinc_cat.gif",fps=15)

最終，處理視頻數據時，MoviePy會非常好用，因為這是它的首要任務。最后一個例子，我們通過視頻幀閾值和白色像素計數，估計一個細菌種群大小。第三面板顯示，人口規模呈指數增長的時間。

代碼

一個庫就可以做所有動畫了？

我希望給了你足夠的例子，來提升你的同事對你下次展示中的印象?？傊妮敵瞿鼙晦D換成Numpy數組，其他的庫也能用MoviePy來做動畫。

一些庫有自己的動畫模塊，但是修復和維護很痛苦！感謝那些在不同背景下測試MoviePy的人們，它變得更穩定了（除非沒人再報bug），而且可以適用于各種環境。MoviePy仍有很多要去做的，但如果作者開始依靠它來做視頻和GIF渲染，像Pandas和scikit-Learn依賴matplotlib做繪制，那會很好。

為了本文的完整性，同時也為了更好地滿足您的需要，我必須提到的ImageIO，這是另一個可以編寫視頻的Python庫，它專注于提供一個非常簡單的接口來讀取或寫入任何圖像，視頻或容積數據。比如你用imwrite()寫圖像，用mimwrite()寫視頻/GIF，用volwrite()寫體積數據，或只是write()寫流數據。

math函數怎么使用

1使用math函數需要掌握一定的數學知識和編程基礎。2math函數是Python內置的數學函數庫，包含了很多數學函數，如三角函數、指數函數、對數函數等，可以通過導入math模塊來使用。3例如，想要得到一個數的平方根，可以使用math.sqrt(num)，其中num為所要求平方根的數值。還可以使用math.sin()、math.cos()、math.exp()等函數進行數學計算。需要注意的是，使用math函數時需要遵循該函數的參數和返回值類型等規范，否則會出現錯誤。

知道cos值怎么求角度要求用編程

要求用編程求解cos值對應的角度，可以使用反三角函數來實現。在大多數編程語言中，都提供了反三角函數的庫函數，如acos()。通過傳入cos值作為參數，acos()函數將返回對應的角度值。需要注意的是，反三角函數的返回值通常是弧度制的角度，如果需要得到以度為單位的角度，可以將弧度值乘以180再除以π。例如，在Python中可以使用math庫的acos()函數來求解cos值對應的角度，具體代碼如下：

importmath

cos_value=0.5

angle=math.degrees(math.acos(cos_value))

print("Theanglecorrespondingtocosvalue0.5is:",angle)

這樣就可以通過編程求解cos值對應的角度了。

為什么Python效率這么低，還這么火

決定Python“火”的原因有很多，而你所謂的Python運行效率低，這個問題不重要！

Python為什么火，三分因天時，七分被炒作

Python誕生于1991年，屬于90后，快到而立之年了。為啥突然就火了呢？因為大數據這個時代背景。

要玩大數據，統計知識第一，編程第二。也就是說，你數學很厲害，但是編程不厲害，這個時候你會怎么辦？你希望要是有一種在科學計算方面很厲害，但很容易掌握的編程語言就好了。

而Python就具備這樣的特點。Python語言簡潔易讀，從算術，到微積分，到線性代數，Python在科學計算方面相當給力。

因此，Python成了大數據的首選編程語言。

大數據是個好概念，Python容易學習，所以Python就成了培訓機構可蹭的熱點

要玩轉大數據，只會Python遠遠不夠，更別說學Python高薪就業了。但大數據自帶流量，所以想炒作它的人比比皆是。

首先企業要炒大數據概念，哪怕賣煎餅，也要跟大數據扯上關系。似乎還真能扯上關系，煎餅的口味基于大數據。如果你仔細想，它不是那么回事，但絕大部分人沒有這閑工夫去仔細思考的。

企業炒作大數據概念，那培訓機構一定會跟上。因為想去參加培訓的人會覺得，企業都在談大數據，那學大數據好找工作呀。如果你仔細想，它也不是那么回事。

不管是不是那么回事，Python是被炒作起來了，它不想火都難。

Python運行效率怎么樣？這需要綜合評估。

評估一門語言，如果離開了目標和成本來判斷好壞，那就是扯淡。比如去你家樓下買菜。走路去買，效率是最高的。但人走路的速度非常慢，比不上單車，更比不上代步車。所以，你不能說走路這么慢，為什么還有人走路。

人力的成本遠比機器貴。一門語言學習陳本低，意味著企業對這么技能所花的錢，也相對較低。所以運行效率不重要。再說了，Python的運行效率低嗎？

火的東西，可以蹭熱點，但別把自己蹭進去了。

我是那我拍，歡迎評論，點贊和關注。

好了，本文到此結束，如果可以幫助到大家，還望關注本站哦！