画sigmoid激活函数：

import numpy as np
import matplotlib.pylab as plt

def sigmoid(x):
    return 1/(1+np.exp(-x))  # sigmoid函数

x = np.arange(-6.0,6.0,0.1)  # 限定x的范围，给什么区间画出来的就是在哪个区间
y = sigmoid(x)  # 求y值

plt.plot(x,y)
plt.title("sigmoid")
plt.ylim(0,1) # 指定y轴的范围，画出来的效果不一样
plt.show()

画Relu激活函数：

import numpy as np
import matplotlib.pylab as plt

def relu(x):
    return np.maximum(0,x)  # relu函数

x = np.arange(-6.0,6.0,0.1)  # 限定x的范围，给什么区间画出来的就是在哪个区间
y = relu(x)  # 求y值

plt.plot(x,y)
plt.title("relu")
plt.ylim(0,10) # 指定y轴的范围，画出来的效果不一样
plt.show()

画LeakyRelu激活函数：

import numpy as np
import matplotlib.pylab as plt

def leakyrelu(x):
    alpha = 0.1  # alpha的值并非固定
    return np.maximum(alpha*x,x)

x = np.arange(-6.0,6.0,0.1)  # 限定x的范围，给什么区间画出来的就是在哪个区间
y = leakyrelu(x)  # 求y值

plt.plot(x,y)
plt.title("leakyrelu")
plt.ylim(-2,5) # 指定y轴的范围，画出来的效果不一样
plt.show()

画一元二次函数：

import numpy as np
import matplotlib.pylab as plt

def func(x):
    return (x**2+2*x+1)  # 一元二次函数

x = np.arange(-6.0,6.0,0.1)  # 限定x的范围，给什么区间画出来的就是在哪个区间
y = func(x)  # 求y值

plt.plot(x,y)
plt.title("f(x)=x**2+2x+1")
plt.ylim(0,10) # 指定y轴的范围，画出来的效果不一样
plt.show()

目的: 发出 y = x ** 3 / (x * 3 + 1) 的图像

1. 导入matplotlib模块还有numpy模块:

import numpy as np
import matplotlib.pyplot as plt

2. 设置一个x的大致范围, 和y相对应的值域:

x = np.arange(-100, 100, 0.001)
y = x ** 3 / (3 * x + 1)

3. 使用figure创建画布, 把参数传进plot里面:

plt.figure()
plt.plot(x, y, linestyle='--', color='red')

4. 因为这个函数的范围太大, 并且在三分之一处出现断崖分布, 必须得缩小x轴和y轴的范围, 不然画图的误差会相当大:

lt.xlim((-0.6, 0.6))
plt.ylim((-0.6, 0.6))

5. 对图像进行些许的美化:

ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

6. 最后要使用show展示出来:

plt.show()

7. 效果如下:

8. 所用代码:

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(-100, 100, 0.001)
y = x ** 3 / (3 * x + 1)

plt.figure()
plt.plot(x, y, linestyle='--', color='red')
plt.xlim((-0.6, 0.6))
plt.ylim((-0.6, 0.6))
plt.xlabel('x')
plt.ylabel('y')
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))
plt.show()

通过图像可以直观地学习函数变化、分布等规律，在学习函数、概率分布等方面效果显著。下面我们尝试用Python的2D绘图库matplotlib来绘制函数图像。

下面我们来实现一个简单的函数：

首先，调用matplotlib库和numpy库import matplotlib.pyplot as pyplot

import numpy

然后，确定绘制图像的定义域范围（例如我们使用[-10,10]区间），并使用numpy的linspace方法在目标范围内等距地选取200个自变量。在这里选取的点数越多，函数绘制得会越精细。x=numpy.linspace(-10, 10, 200)

接着，计算所有自变量对应的因变量。y=[i**2 for i in x]

最后，我们用pyplot绘制图像并显示它。当使用plot方法绘制函数图像时，pyplot会自动将所有相邻的点之间用直线连接。pyplot.plot(x,y)

pyplot.show()

此时的绘图结果如下：

完整代码如下：import matplotlib.pyplot as pyplot

import numpy

x=numpy.linspace(-10,10,200)

y=[i**2 for i in x]

pyplot.plot(x,y)

pyplot.show()