拖动滑块看圆锥曲线变形Python 交互可视化实战【免费下载链接】Book3_Elements-of-MathematicsBook_3_《数学要素》 | 鸢尾花书从加减乘除到机器学习上架欢迎继续纠错纠错多的同学还会有赠书项目地址: https://gitcode.com/GitHub_Trending/bo/Book3_Elements-of-Mathematics把椭圆方程里的参数接上滑块曲线就跟着鼠标实时变形——《数学要素》开源项目第 9 章的 Python 可视化代码把圆锥曲线从纸面公式变成能拖能拧的东西。核心概念一句话讲清圆锥曲线不是三个孤立公式而是一个家族把离心率Eccentricitye 当唯一旋钮e0 得圆0e1 得椭圆e1 得抛物线e1 得双曲线。这一章的代码就是拧这个旋钮用等高线图Contour Plot把整族曲线一次画出来。这张图展示了《数学要素》配套书里的 28 张可视化图其中那些渐变曲线和等高线填充的格子正是第 9 章代码跑出来的画法。3 分钟跑通第一个 Demo先克隆仓库装依赖再启动两行命令合并成一条复制到终端即可git clone https://gitcode.com/GitHub_Trending/bo/Book3_Elements-of-Mathematics cd Book3_Elements-of-Mathematics/Book3_Ch09_Python_Codes # 进入第9章代码目录 pip install numpy matplotlib streamlit streamlit run Streamlit_Bk3_Ch09_03.py # 装三个库启动椭圆交互页面运行后浏览器自动打开一个页面侧边栏排着 3 个滑块中间一条蓝色椭圆、4 个红色 × 顶点还有一圈框住椭圆的灰色虚线矩形。整页的核心其实只有一行公式——ellipse ((xx/m)² − 2·rho·(xx/m)·(yy/n) (yy/n)²)/(1−rho²)再取 z1 的等高线就是那条蓝色曲线Streamlit 只干三件事收滑块、代公式、重绘图交互式曲线可视化就这么成了。参数实验室——调一调看变化页面跑起来后别只盯着默认图把侧边栏的 3 个滑块轮流拖一遍。把 rho 从 0 拖到 0.8 时原本正放的椭圆会被朝斜上方拧成倾斜的4 个红色 × 顶点跟着旋转继续逼近 1 时分母 1−rho² 越来越小椭圆被拉得又细又长。反过来把 rho 拖成 −0.8倾斜方向立刻掉头。再把 m 从 1 拉到 2椭圆沿横轴变宽灰色虚线外接矩形同步撑大一圈正好框住新形状单独把 n 拖到 2则是沿竖轴长高——这一轮椭圆参数调节下来长短轴各管一个方向的体感就有了。控制逻辑就藏在这 3 行滑块定义里m st.slider(Define m: , 1.0, 2.0, value1.5, step0.1) # 横轴半径默认 1.5 n st.slider(Define n: , 1.0, 2.0, value1.5, step0.1) # 纵轴半径和 m 各管一个方向 rho st.slider(Define rho: , -1.0, 1.0, value0.0, step0.05) # 0 时正放越接近 ±1 越倾斜出处在 Streamlit_Bk3_Ch09_03.py 的侧边栏部分滑块每动一下页面就在毫秒级重绘整张图不用重启任何进程。这玩意儿到底有啥用这招取等高线、拖参数的玩法往外走几步全是现成场景。做统计推断时二维正态分布的置信域本身就是椭圆拖一拖 rho 相当于直接看两个变量相关性变化时置信区域怎么被拧变形。机器学习里给损失函数画等高线和这里取 z1 等值线是同一招优化算法该走哪条路一眼可见椭圆参数调节的直觉在调参时同样好使。相机标定里圆被透视投影后变成椭圆反解相机参数本质上就是在椭圆里估出 m、n、rho 这几个数。你可以自己折腾的方向想看同一族方程按 e 值切出圆、椭圆、抛物线、双曲线四种形态逐格运行 Bk3_Ch09_05.ipynb每个 e 值对应一张图。想把滑块玩法从椭圆挪到范数上跑 Streamlit_Bk3_Ch09_04.py拖 p、q 两个滑块看等高线从菱形一点点圆化成正圆。第 19 章《优化入门》用同一套等高线思想讲梯度下降读完再回头看椭圆被 rho 拉长的过程对为什么沿最陡方向走会有自己的体感。把 rho 拖到 0.95看看那条椭圆最后被拧成什么样。【免费下载链接】Book3_Elements-of-MathematicsBook_3_《数学要素》 | 鸢尾花书从加减乘除到机器学习上架欢迎继续纠错纠错多的同学还会有赠书项目地址: https://gitcode.com/GitHub_Trending/bo/Book3_Elements-of-Mathematics创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
拖动滑块看圆锥曲线变形：Python 交互可视化实战
拖动滑块看圆锥曲线变形Python 交互可视化实战【免费下载链接】Book3_Elements-of-MathematicsBook_3_《数学要素》 | 鸢尾花书从加减乘除到机器学习上架欢迎继续纠错纠错多的同学还会有赠书项目地址: https://gitcode.com/GitHub_Trending/bo/Book3_Elements-of-Mathematics把椭圆方程里的参数接上滑块曲线就跟着鼠标实时变形——《数学要素》开源项目第 9 章的 Python 可视化代码把圆锥曲线从纸面公式变成能拖能拧的东西。核心概念一句话讲清圆锥曲线不是三个孤立公式而是一个家族把离心率Eccentricitye 当唯一旋钮e0 得圆0e1 得椭圆e1 得抛物线e1 得双曲线。这一章的代码就是拧这个旋钮用等高线图Contour Plot把整族曲线一次画出来。这张图展示了《数学要素》配套书里的 28 张可视化图其中那些渐变曲线和等高线填充的格子正是第 9 章代码跑出来的画法。3 分钟跑通第一个 Demo先克隆仓库装依赖再启动两行命令合并成一条复制到终端即可git clone https://gitcode.com/GitHub_Trending/bo/Book3_Elements-of-Mathematics cd Book3_Elements-of-Mathematics/Book3_Ch09_Python_Codes # 进入第9章代码目录 pip install numpy matplotlib streamlit streamlit run Streamlit_Bk3_Ch09_03.py # 装三个库启动椭圆交互页面运行后浏览器自动打开一个页面侧边栏排着 3 个滑块中间一条蓝色椭圆、4 个红色 × 顶点还有一圈框住椭圆的灰色虚线矩形。整页的核心其实只有一行公式——ellipse ((xx/m)² − 2·rho·(xx/m)·(yy/n) (yy/n)²)/(1−rho²)再取 z1 的等高线就是那条蓝色曲线Streamlit 只干三件事收滑块、代公式、重绘图交互式曲线可视化就这么成了。参数实验室——调一调看变化页面跑起来后别只盯着默认图把侧边栏的 3 个滑块轮流拖一遍。把 rho 从 0 拖到 0.8 时原本正放的椭圆会被朝斜上方拧成倾斜的4 个红色 × 顶点跟着旋转继续逼近 1 时分母 1−rho² 越来越小椭圆被拉得又细又长。反过来把 rho 拖成 −0.8倾斜方向立刻掉头。再把 m 从 1 拉到 2椭圆沿横轴变宽灰色虚线外接矩形同步撑大一圈正好框住新形状单独把 n 拖到 2则是沿竖轴长高——这一轮椭圆参数调节下来长短轴各管一个方向的体感就有了。控制逻辑就藏在这 3 行滑块定义里m st.slider(Define m: , 1.0, 2.0, value1.5, step0.1) # 横轴半径默认 1.5 n st.slider(Define n: , 1.0, 2.0, value1.5, step0.1) # 纵轴半径和 m 各管一个方向 rho st.slider(Define rho: , -1.0, 1.0, value0.0, step0.05) # 0 时正放越接近 ±1 越倾斜出处在 Streamlit_Bk3_Ch09_03.py 的侧边栏部分滑块每动一下页面就在毫秒级重绘整张图不用重启任何进程。这玩意儿到底有啥用这招取等高线、拖参数的玩法往外走几步全是现成场景。做统计推断时二维正态分布的置信域本身就是椭圆拖一拖 rho 相当于直接看两个变量相关性变化时置信区域怎么被拧变形。机器学习里给损失函数画等高线和这里取 z1 等值线是同一招优化算法该走哪条路一眼可见椭圆参数调节的直觉在调参时同样好使。相机标定里圆被透视投影后变成椭圆反解相机参数本质上就是在椭圆里估出 m、n、rho 这几个数。你可以自己折腾的方向想看同一族方程按 e 值切出圆、椭圆、抛物线、双曲线四种形态逐格运行 Bk3_Ch09_05.ipynb每个 e 值对应一张图。想把滑块玩法从椭圆挪到范数上跑 Streamlit_Bk3_Ch09_04.py拖 p、q 两个滑块看等高线从菱形一点点圆化成正圆。第 19 章《优化入门》用同一套等高线思想讲梯度下降读完再回头看椭圆被 rho 拉长的过程对为什么沿最陡方向走会有自己的体感。把 rho 拖到 0.95看看那条椭圆最后被拧成什么样。【免费下载链接】Book3_Elements-of-MathematicsBook_3_《数学要素》 | 鸢尾花书从加减乘除到机器学习上架欢迎继续纠错纠错多的同学还会有赠书项目地址: https://gitcode.com/GitHub_Trending/bo/Book3_Elements-of-Mathematics创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
