上一次我们讲解了利用Python的2D绘图库matplotlib来绘制函数图像（用Python画函数图像），下面我们来讨论如何绘制带参数的函数图像。

下面我们用正态分布的概率密度在做例子（概率密度的图像为正态分布曲线），其概率密度如下：

概率密度中包含两个参数，其中σ为分布的标准差，μ为分布的均值。

首先，根据概率密度公式，我们可以得到如下映射方法。其中参数u为均值，s为标准差；代码中的math.exp为计算自然对数e的幂，math.sqrt为开根号，math.pi为圆周率π。

import mathdef f_standard_normal_distribution(x,u,s): return math.exp((-(x-u)**2)/2*(s**2))/(math.sqrt(2*math.pi)*s)

下面，我们在绘制方法中添加参数，并将参数传到映射方法中（因为需要对应传参，此时的draw_function不能再将映射方法作为参数了）。

def draw_function(a,b,density,u,s): x=numpy.linspace(a,b,density) y=[f_standard_normal_distribution(i,u,s) for i in x] pyplot.plot(x,y) pyplot.show()

此时调用draw_function函数绘制正态分布曲线的结果如下：

draw_function(-3,3,600,0,1)

【完整代码】如下：import matplotlib.pyplot as pyplotimport numpyimport math def draw_function(a,b,density,u,s): x=numpy.linspace(a,b,density) y=[f_standard_normal_distribution(i,u,s) for i in x] pyplot.plot(x,y) pyplot.show() def f_standard_normal_distribution(x,u,s): return math.exp((-(x-u)**2)/2*(s**2))/(math.sqrt(2*math.pi)*s) draw_function(-3,3,600,0,1)

下面，我们来对以上的代码做一些优化：

1.为了可以将映射方法作为参数传入，将传入draw_function的函数参数改替换数组，并将映射方法传入。

def draw_function(a,b,density,f,param): x=numpy.linspace(a,b,density) y=[f(i,param) for i in x] pyplot.plot(x,y) pyplot.show()

对应的，也需要将映射方法中传入的参数替换为数组。

def f_standard_normal_distribution(x,param):	return math.exp((-(x-param[0])**2)/2*(param[1]**2))/(math.sqrt(2*math.pi)*param[1])

调用方法也对应地修改为：

draw_function(-3,3,600,f_standard_normal_distribution,[0,1])

2.因为传递参数的数组可能并不符合映射方法的需要，如数组个数少于映射方法需要的参数个数，则会导致异常抛出。因此需在映射方法中对参数数组作出检验。

if len(param)!=2: return 0

至此，利用matplotlib绘制带参数的函数图像的小模块就更新完成了。

【完整代码】如下：import matplotlib.pyplot as pyplotimport numpyimport math def draw_function(a,b,density,f,param): x=numpy.linspace(a,b,density) y=[f(i,param) for i in x] pyplot.plot(x,y) pyplot.show() def f_standard_normal_distribution(x,param): if len(param)!=2: return 0 return math.exp((-(x-param[0])**2)/2*(param[1]**2))/(math.sqrt(2*math.pi)*param[1]) draw_function(-3,3,600,f_standard_normal_distribution,[0,1])

其他内容

运用为图表添加标题、修改颜色，以及matplotlib绘制散点图、直方图等其他图表的内容会在日后逐步更新。