Python在同一坐标系绘制sin、cos和tan函数曲线的方法

Ivy
Ivy
发布时间:2026-11-21 | 2人浏览过
原创

介绍如何使用Python在同一坐标系中同时绘制正弦、余弦和正切函数曲线,重点解决正切函数间断点跨越连线与数值发散导致的坐标轴尺度失真问题,提供完整可执行代码与参数调优方法。

在同一坐标系中同时展示正弦(sin)、余弦(cos)与正切(tan)函数曲线,是观察三角函数周期性、对称性及相互对应关系的标准方式。实现这一绘图的核心路径非常清晰:先使用 NumPy 构建均匀分布的采样点并计算对应函数值,再通过阈值过滤解决正切函数在间断点处的虚假跨越连线,最后结合 Matplotlib 的纵轴限制与弧度刻度设置,即可在同一视图中获得比例协调、分界清楚的三角函数曲线图。

Python在同一坐标系绘制sin、cos和tan函数曲线的方法
图 1:Python 在同一坐标系绘制正弦、余弦与正切函数的操作步骤流程

一、为什么同时绘制这三条曲线需要特别处理

在单独绘制 sin(x) 和 cos(x) 时,操作非常简单,因为它们的值域都在 [-1, 1] 之间,具有连续、平滑且界限固定的良好性质。然而,一旦加入 tan(x),两个直接影响图像呈现的关键物理特征就会显现:

  • 间断点处的数值剧烈发散:正切函数在 \( x = \frac{\pi}{2} + k\pi \)(\( k \in \mathbb{Z} \))处没有定义。当 \( x \) 从左侧逼近这些点时,函数值趋近于 \( +\infty \);从右侧逼近时,函数值趋近于 \( -\infty \)。若直接交给 Matplotlib 绘制,默认的自适应纵轴会将显示范围拉伸至几十甚至上千,导致振幅仅为 1 的 sin 和 cos 曲线被过度压缩为近乎贴合水平轴的直线。
  • 离散点跨间断点连线畸变:计算机绘图是通过按顺序连接相邻采样点实现的。在渐近线两侧,前一个点是极大的正数,后一个点是极小的负数。Matplotlib 会机械地将这两个点用一条近乎垂直的线段连在一起,从而生成本不存在的“竖直连接线”,这在数学几何表达上是完全错误的。
Python在同一坐标系绘制sin、cos和tan函数曲线的方法
图 2:tan 奇异点对图像比例的压缩效应与规范断开处理的对比原理

二、关键步骤详解与技术实现

1. 依赖库导入与高密度离散采样

在进行数学可视化时,采样点的密集程度决定了正切曲线在接近渐近线时的平滑度。如果点过少,曲线末端会呈现折线感。通常建议在绘制 [-2π, 2π] 区间时,选取不少于 1000 个采样点:

import numpy as np
import matplotlib.pyplot as plt

# 在 [-2π, 2π] 范围内均匀生成 1000 个点
x = np.linspace(-2 * np.pi, 2 * np.pi, 1000)

y_sin = np.sin(x)
y_cos = np.cos(x)
y_tan = np.tan(x)

2. 使用 NaN 掩码切断正切曲线伪连线

Matplotlib 在遇到数值为 np.nan 的点时,会主动在该点中断画线,而不会将其与下一个点连接。利用这一特性,我们可以检测正切曲线相邻两点的差值:当正切值从很大的正数瞬间跳变到极小的负数时,其绝对导数或差值极大,将这些跳变点重置为 np.nan 即可消除错误的跨越垂直线:

# 检测相邻采样点的跳跃幅度,如果出现突变(跨越渐近线),则置为 NaN
diff = np.diff(y_tan)
# 当相邻点差值反向跳跃且绝对值极大时,说明跨越了渐近线
threshold = 10.0
mask = np.abs(diff) > threshold

# 为保持数组长度一致,在首位补一个 False 后断开连线
y_tan_clean = y_tan.copy()
y_tan_clean[:-1][mask] = np.nan

# 也可以直接通过绝对值过滤超出视觉范围的过大值
y_tan_clean[np.abs(y_tan_clean) > 20] = np.nan

3. 限制纵向视窗与格式化横轴弧度刻度

为了让 sin 和 cos 的波动细节清晰可见,必须手动将纵轴范围(ylim)约束在合适区间(如 [-3.5, 3.5])。同时,三角函数的自然自变量是弧度,如果横坐标显示普通的十进制小数(如 -6.28, -3.14),读者很难直观对应周期点,应将其替换为带有 \(\pi\) 符号的刻度标签:

# 设置纵坐标显示边界
plt.ylim(-3.5, 3.5)

# 设置横坐标核心刻度为 π 的倍数
ticks = [-2 * np.pi, -1.5 * np.pi, -np.pi, -0.5 * np.pi, 0,
         0.5 * np.pi, np.pi, 1.5 * np.pi, 2 * np.pi]
labels = [r'$-2\pi$', r'$-\frac{3\pi}{2}$', r'$-\pi$', r'$-\frac{\pi}{2}$', r'$0$',
          r'$\frac{\pi}{2}$', r'$\pi$', r'$\frac{3\pi}{2}$', r'$2\pi$']

plt.xticks(ticks, labels)
Python在同一坐标系绘制sin、cos和tan函数曲线的方法
图 3:同一坐标系绘图层级规划与要素组合说明

三、完整可执行代码示例

以下是经过验证的完整绘制脚本。代码集成了采样、渐近线过滤、曲线样式区分以及坐标轴刻度美化,可以直接复制到 Python 环境中执行:

import numpy as np
import matplotlib.pyplot as plt

# 1. 建立采样点,采样区间覆盖两个标准正弦周期 [-2π, 2π]
x = np.linspace(-2 * np.pi, 2 * np.pi, 1200)

# 2. 计算正弦与余弦函数数值
y_sin = np.sin(x)
y_cos = np.cos(x)

# 3. 计算正切函数数值,并处理渐近线伪连线问题
y_tan = np.tan(x)

# 方法:当相邻点跨越渐近线时,差值会异常巨大,通过阈值检测并将跳变处替换为 NaN
diff = np.diff(y_tan)
step_threshold = 15.0
break_mask = np.abs(diff) > step_threshold

y_tan_plot = y_tan.copy()
y_tan_plot[:-1][break_mask] = np.nan

# 对超出可视范围的极大绝对值进行截断过滤,确保平滑
y_tan_plot[np.abs(y_tan_plot) > 10] = np.nan

# 4. 创建画布与坐标轴
plt.figure(figsize=(10, 6), dpi=100)

# 5. 在同一坐标系中绘制三条曲线,赋予不同色彩与线型
plt.plot(x, y_sin, label='y = sin(x)', color='#17324D', linewidth=2.0)
plt.plot(x, y_cos, label='y = cos(x)', color='#659B9B', linewidth=2.0, linestyle='--')
plt.plot(x, y_tan_plot, label='y = tan(x)', color='#E06A3B', linewidth=1.8, linestyle='-')

# 6. 添加渐近线垂直虚线辅助参考
asymptotes = [-1.5 * np.pi, -0.5 * np.pi, 0.5 * np.pi, 1.5 * np.pi]
for i, asympt in enumerate(asymptotes):
    asympt_label = '渐近线 (x = ±π/2, ±3π/2)' if i == 0 else None
    plt.axvline(x=asympt, color='#A0AEC0', linestyle=':', linewidth=1.0, alpha=0.7, label=asympt_label)

# 7. 辅助基准线与网格配置
plt.axhline(0, color='#4A5D6E', linewidth=0.8, alpha=0.5)
plt.grid(True, linestyle=':', alpha=0.5)

# 8. 纵向与横向范围限制
plt.ylim(-3.5, 3.5)
plt.xlim(-2 * np.pi, 2 * np.pi)

# 9. 格式化横坐标刻度为 LaTeX 弧度符号
ticks = [-2 * np.pi, -1.5 * np.pi, -np.pi, -0.5 * np.pi, 0,
         0.5 * np.pi, np.pi, 1.5 * np.pi, 2 * np.pi]
labels = [r'$-2\pi$', r'$-\frac{3\pi}{2}$', r'$-\pi$', r'$-\frac{\pi}{2}$', r'$0$',
          r'$\frac{\pi}{2}$', r'$\pi$', r'$\frac{3\pi}{2}$', r'$2\pi$']
plt.xticks(ticks, labels, fontsize=11)
plt.yticks(fontsize=11)

# 10. 轴标签、图题与图例展示
plt.title('正弦、余弦与正切函数在同一坐标系中的对比曲线', fontsize=14, fontweight='bold', pad=15)
plt.xlabel('自变量 x (弧度制 rad)', fontsize=12)
plt.ylabel('因变量 y', fontsize=12)
plt.legend(loc='upper right', frameon=True, fontsize=10.5)

# 紧凑布局并展示
plt.tight_layout()
plt.show()
提示:代码中的 np.diff(y_tan) 是寻找跳变点的极简且高效手段。当采样点密度达到 1000 以上时,正常曲线相邻两点之间的差值非常小(通常小于 0.05),只有跨越 \(x = \frac{\pi}{2} + k\pi\) 时才会出现数十乃至上百的数值陡降。将其标记为 NaN 能够完美切断绘图画笔,保证数学严谨性。

四、常见问题与调优要点

  • 正切曲线末端有毛刺或锯齿感:这通常是由于采样点不足导致的。如果 \(x\) 仅有 200 个点,在接近 \(\pm\pi/2\) 时,点与点之间的横向跨度相对过大。提高 np.linspace 的采样点数量(例如调整为 1200 到 2000 个)即可获得非常顺滑的渐近收敛形态。
  • 图例与正切曲线相互遮挡:因为正切曲线在靠近渐近线时会贯穿上下整个视窗,图例放在左上或右上角时偶有压线情况。可以通过设置 plt.legend(loc='upper right', framealpha=0.9, facecolor='white') 为图例加上半透明白色背景,或将其移至画布外侧 bbox_to_anchor=(1.02, 1)。
  • 中文字符显示为方块:如果在运行代码时控制台警告缺失中文字体,只需在脚本开头指定系统内置的中文支持,例如 plt.rcParams['font.sans-serif'] = ['SimHei', 'PingFang SC', 'DejaVu Sans'] 并设置 plt.rcParams['axes.unicode_minus'] = False 避免负号乱码。
Python在同一坐标系绘制sin、cos和tan函数曲线的方法
图 4:同坐标系三角函数绘图核心配置与关键控制参数速查

五、总结

在 Python 中实现 sin、cos 和 tan 函数在同一坐标系中的优雅呈现,实质上是一个平衡不同值域特性和间断点连续性的工程问题。只要掌握了“高密度采样保证曲线平滑”、“差值阈值注入 NaN 断开伪线”以及“手动约束 ylim 保护振幅可视度”这三个核心环节,就能绘制出比例协调、数学表达准确、视觉质感良好的三角函数综合图像。

本站声明

本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。

Python 相关产品和应用

全部下载

专题列表