در این مطلب، ویدئو نحوه رسم تابع نمایی در پایتون | رسم تابع نمایی در pycharm با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:07:08
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,830 –> 00:00:09,750
[موسیقی]
2
00:00:10,160 –> 00:00:11,679
خوب بچه ها
3
00:00:11,679 –> 00:00:14,559
این من هستم از کانال یوتیوب فناوری پارک نلسون داروین،
4
00:00:14,559 –> 00:00:17,680
بنابراین در این
5
00:00:17,680 –> 00:00:20,240
آموزش با نحوه رسم یک
6
00:00:20,240 –> 00:00:22,320
تابع نمایی در نمودار دایره ای آشنا
7
00:00:22,320 –> 00:00:24,400
8
00:00:24,400 –> 00:00:26,960
خواهیم شد، بنابراین چگونه می توانیم این کار را انجام دهیم اول از همه باید
9
00:00:26,960 –> 00:00:29,599
دو تا از کتابخانه ها را وارد کنیم.
10
00:00:29,599 –> 00:00:32,640
اولین مورد کتابخانه numpy است، بنابراین باید
11
00:00:32,640 –> 00:00:35,120
بنویسیم import
12
00:00:35,120 –> 00:00:36,480
13
00:00:36,480 –> 00:00:39,280
numpy is np OK
14
00:00:39,280 –> 00:00:42,480
و کتابخانه دوم import made
15
00:00:42,480 –> 00:00:45,039
plot lipmet
16
00:00:45,039 –> 00:00:46,480
plot
17
00:00:46,480 –> 00:00:47,920
lib
18
00:00:47,920 –> 00:00:50,559
dot pi طرح خوب
19
00:00:50,559 –> 00:00:51,600
است،
20
00:00:51,600 –> 00:00:53,600
ما می توانیم بگوییم pl
21
00:00:53,600 –> 00:00:54,559
uh
22
00:00:54,559 –> 00:00:55,760
t okay
23
00:00:55,760 –> 00:00:58,559
plt برای ما کافی است خوب حالا چرا
24
00:00:58,559 –> 00:01:02,800
داریم نوشته شده این npn است plt است زیرا
25
00:01:02,800 –> 00:01:05,360
در اطراف برنامه
26
00:01:05,360 –> 00:01:07,840
نمی توانیم کل این نام
27
00:01:07,840 –> 00:01:10,000
28
00:01:10,000 –> 00:01:12,320
کتابخانه را بنویسیم بنابراین به جای این نام کتابخانه طولانی، قرار است
29
00:01:12,320 –> 00:01:15,119
np و plt بنویسیم و بعد از این برای
30
00:01:15,119 –> 00:01:17,040
31
00:01:17,040 –> 00:01:19,040
32
00:01:19,040 –> 00:01:21,040
ما یک متغیری که نوشته ایم تعریف کرده ایم.
33
00:01:21,040 –> 00:01:24,080
یک متغیر در اینجا که dt است،
34
00:01:24,080 –> 00:01:27,840
بنابراین چه کاری انجام
35
00:01:28,080 –> 00:01:30,400
می دهد،
36
00:01:30,400 –> 00:01:32,079
نوعی
37
00:01:32,079 –> 00:01:34,960
بردار یا مقادیر را در آن ذخیره می کند، خوب است و
38
00:01:34,960 –> 00:01:37,920
در مورد این تابع محدوده نقطه ای np، بنابراین این
39
00:01:37,920 –> 00:01:40,320
تابع که تابع است مرتب شده
40
00:01:40,320 –> 00:01:42,799
است و متعلق به np است که کتابخانه numpy است. y به
41
00:01:42,799 –> 00:01:44,720
همین دلیل است که
42
00:01:44,720 –> 00:01:46,720
np محدوده دختر را نوشته ایم
43
00:01:46,720 –> 00:01:49,520
بنابراین این تابع چه کاری انجام می
44
00:01:49,520 –> 00:01:51,840
دهد از شبیه uh شروع می شود، می توانیم بگوییم که
45
00:01:51,840 –> 00:01:53,360
از منهای سه شروع می شود
46
00:01:53,360 –> 00:01:55,040
47
00:01:55,040 –> 00:01:58,159
و مقدار uh آخر آن سه است و
48
00:01:58,159 –> 00:02:00,560
اگر بخواهیم اختلاف داشته باشیم مانند
49
00:02:00,560 –> 00:02:02,640
این نقطه دو برابر صفر یک در بین
50
00:02:02,640 –> 00:02:03,439
51
00:02:03,439 –> 00:02:05,280
کل این سری، سپس میتوانیم نقطه
52
00:02:05,280 –> 00:02:07,759
دو برابر صفر را بنویسیم، حالا به سادگی میتوانیم
53
00:02:07,759 –> 00:02:08,800
54
00:02:08,800 –> 00:02:11,120
بگوییم که اینجا منهای سه اینجا
55
00:02:11,120 –> 00:02:12,319
بعلاوه سه نوشتهایم،
56
00:02:12,319 –> 00:02:14,800
بنابراین یک تابع محدوده، یک سری یک
57
00:02:14,800 –> 00:02:16,800
سری با مقدار بردار a را میسازد.
58
00:02:16,800 –> 00:02:19,760
مجموعه برداری کاملی از مقادیر که از منهای سه شروع می شود
59
00:02:19,760 –> 00:02:21,120
60
00:02:21,120 –> 00:02:22,640
و سپس nz 3
61
00:02:22,640 –> 00:02:24,640
و چقدر
62
00:02:24,640 –> 00:02:25,760
شبیه
63
00:02:25,760 –> 00:02:27,599
اوه چقدر مقادیر
64
00:02:27,599 –> 00:02:29,599
در آن وجود دارد بدیهی است مقادیر زیادی
65
00:02:29,599 –> 00:02:32,560
در حدود 1000 یا مانند آن وجود دارد
66
00:02:32,560 –> 00:02:34,239
و
67
00:02:34,239 –> 00:02:35,920
آنها اختلاف نقطه دو برابر صفر
68
00:02:35,920 –> 00:02:38,640
یک دارند بسیار
69
00:02:39,360 –> 00:02:41,920
خوب است.
70
00:02:41,920 –> 00:02:44,959
اکنون باید یک کار دیگر انجام دهیم و
71
00:02:44,959 –> 00:02:48,280
آن این است
72
00:02:51,360 –> 00:02:53,120
که به سراغ
73
00:02:53,120 –> 00:02:55,360
دامنه تابع نمایی uh
74
00:02:55,360 –> 00:02:57,519
75
00:02:57,519 –> 00:02:59,599
خود می رویم، بنابراین چگونه می توانیم
76
00:02:59,599 –> 00:03:02,239
دامنه تابع نمایی uh را که
77
00:03:02,239 –> 00:03:05,840
باید روی محور y باشد، در اینجا بنویسیم
78
00:03:05,840 –> 00:03:08,080
مانند
79
00:03:09,920 –> 00:03:13,120
ضرب y با 4 خوب است 4 فقط
80
00:03:13,120 –> 00:03:14,640
برای 2 است
81
00:03:14,640 –> 00:03:15,599
مانند
82
00:03:15,599 –> 00:03:18,959
ما می توانیم بگوییم که مقادیر تقویت کننده را تقویت می کند
83
00:03:18,959 –> 00:03:21,280
و هیچ چیز بهتری نیست.
84
00:03:21,280 –> 00:03:23,680
85
00:03:23,680 –> 00:03:26,319
86
00:03:26,319 –> 00:03:28,720
87
00:03:28,720 –> 00:03:32,720
این چیزی است که ما باید بنویسیم np dot
88
00:03:32,720 —