欧拉数e的pythonmatplotlib可视化

　　1说明
　　1。1欧拉数：就是自然常数，e。
　　1。2e是指数（exponential）的首字母，也是欧拉名字的首字母。
　　1。3三大数学常数：自然常数e、圆周率和虚数单位i。
　　1。4第一次把e看成常数的是雅各布伯努利，他开始尝试计算lim（11n）n的值；1727年欧拉首次用小写字母e表示这常数。
　　欧拉恒等式：真正的宇宙第一公式
　　欧拉（LeonhardEuler，1707年4月15日1783年9月18日），瑞士数学家和物理学家
　　2python实现自然常数e
　　2。1图1
　　图片1：静态
　　2。2图2
　　图片2：蒙特卡洛法动态散点分布图
　　3python的e求近似值求阶乘法
　　3。1代码1：计算e的值（精度为106，可调节，最大50，即小数点后50位）sum，tmp1，1foriinrange（1，100）：100，为取值最小17，代码2有讲解tmpisum1tmpprint（e的近似值（精度为106）为。6fsum）print（e的近似值（精度为109）为。9fsum）print（e的近似值（精度为1029）为。29fsum）print（e的近似值（精度为1069）为。69fsum）
　　3。2代码1结果：e的近似值（精度为106）为2。718282e的近似值（精度为109）为2。718281828e的近似值（精度为1029）为2。71828182845904553488480814849e的近似值（精度为1069）为2。718281828459045534884808148490265011787414550781250000000000000000000
　　3。3代码2：nint（input（））sum0defjc（a）：求阶乘num1foriinrange（a1）：ifi！0：numireturnnumforiinrange（n1）：sum1jc（i）print（｛：。50f｝。format（sum））
　　3。4结果n为输入非负整数n（1000）17为最小n，大于17的n值基本不变2。718281828459045534884808148490265011787414550781251617的数值改变2。71828182845904287034954904811456799507141113281250
　　4图片1的代码importmatplotlib。pyplotasplt级数111！12！1n！来近似计算x〔〕y〔〕计算e的值（精度为1050）edata，tmp1，1foriinrange（1，50）：x。append（i）tmpiy。append（edata）edata1tmpplt。plot（x，y）plt。title（e自然常数（欧拉数）（小数点后50位）：｛：。50f｝。format（edata））plt。show（）
　　5图片2的说明
　　5。1源代码来自https：www。jianshu。comp107d97423e6b2019314张子豪同济大学感谢原作者源代码有报错，修改bug，并对代码进行注释、修改、整理
　　5。2源代码bugNohandleswithlabelsfoundtoputinlegend。homexgjDesktoppythone2。py：35：MatplotlibDeprecationWarning：Addinganaxesusingthesameargumentsasapreviousaxescurrentlyreusestheearlierinstance。Inafutureversion，anewinstancewillalwaysbecreatedandreturned。Meanwhile，thiswarningcanbesuppressed，andthefuturebehaviorensured，bypassingauniquelabeltoeachaxesinstance。plt。subplot（121）。。。。。。（省略）
　　5。3解决bug思路参考文章https：www。it1352。com1605941。html
　　6图片2代码
　　6。1第1步：导入模块importrandomimportmatplotlib。pyplotaspltimportnumpyasnp
　　6。2第2步：初始化参数设置plt背景颜色定义，一定放在前面plt。style。use（darkbackground）DARTS300可自定义，源代码10241024，太大了counts0落在曲线下方的点数e0e的计算值xs〔0，0〕ys〔0，0〕初始化定义画布，一行2个子图axfig，（ax1，ax2）plt。subplots（1，2）
　　6。3第3步：子图1ax1开始画左边的图：撒点估计曲线下方的面积xnp。arange（0。5，2。5，0。001）ax1。setylim（0，1。25）y轴坐标范围ax1。setxlabel（x）x轴标签ax1。setylabel（y）y轴标签ax1。plot（x，1x）绘制反比例函数曲线ax1。legend（〔loc1〕）在右上角增加图例ax2。legend（〔y1x〕）图例的内容ax1。plot（〔1，1，2，2〕，〔0，1，1，0〕，r，linewidth0。2）绘制撒点范围框ax1。settitle（蒙特卡洛法动态散点分布图）图的标题动态更新
　　6。4第4步：联动子图1和子图241子图1的散点图foriinrange（DARTS）：xrandom。uniform（1，2）yrandom。uniform（0，1）ify1x：点落在曲线下方counts1ax1。plot（x，y，g。）else：点落在曲线上方ax1。plot（x，y，r。）ifcounts0：epow（2，icounts）42子图2设置开始画右边的图：e的计算值随投掷次数的关系xs〔0〕xs〔1〕上一个e值与下一个e值，通过xs与ys列表中的两个元素进行两点连线xs〔1〕iys〔0〕ys〔1〕ys〔1〕eax2。setylim（0，4。5）y轴坐标范围ax2。setxlabel（Numberoftry）x轴标签ax2。setylabel（Estimationofe）y轴标签ax2。setyticks（np。arange（0，4。5，0。5））y轴刻度线ax2。settitle（e：｛：。10f｝count：｛｝。format（e，i））图的标题动态更新绘制2。71828参考线ax2。axhline（np。e，linewidth0。05，colorr）绘制e的计算值随撒点次数变化的曲线ax2。plot（xs，ys，y，linewidth0。3）子图1和子图2交互（ax1与ax2交互）plt。ion（）保持图像处于交互更新状态plt。pause（0。2）控制撒点速度
　　7小结
　　7。1环境：matplotlib3。2python3。8
　　7。2注意matplotlib中文设置：
　　请参考我的文章，以免报错。
　　《强！3种方法实现pythonmatplotlib显示中文》
　　分析仔细，值得收藏