Python 如何在Matplotlib中绘制算术和自然对数函数？

我试图在matplotlib中为1绘制这两个函数第一个函数可以绘制如下：

从matplotlib导入pyplot作为plt
将numpy作为np导入
k=np.arange（110001）
g=np.log（k）
f=g.cumsum（）
平面图（k，f）
plt.show（）

如注释中所述，第二个函数可以通过

np.log（scipy.special.factorial（k））

绘制到

k=170

。对于

k=171

而言，阶乘大于64位浮点中可以表示的最高数字

要获取较大的

k

，可以使用pythons多精度数学库

mpmath

。mpmath比numpy慢得多，并且不在数组上运行，因此需要进行一些转换

下图显示了

f1

和

f2

之间的差异，但假定舍入误差大于这些差异：

从matplotlib导入pyplot作为plt
将numpy作为np导入
从mpmath导入mp、fac、日志
k=np.arange（110001）
f1=np.log（k）.cumsum（）
f2=np.数组（[log（fac（ki））表示k中的ki]）
平面图（k，f1-f2）
plt.show（）

以高精度计算一切，似乎表明两者完全相同：

从matplotlib导入pyplot作为plt
从mpmath导入mp、fac、日志
mp.dps=500#默认精度约为15位，此处使用500
k=范围（11001）
g=[k中ki的log（ki）]
f1=[]
s=0
对于gi in g：
s+=gi
f1.追加
f2=[k中ki的log（fac（ki）]]
f12=[f1i-f2i表示压缩中的ki、f1i、f2i（k、f1、f2）]
平面图（k，f12）
plt.show（）

---

这非常缓慢，最后显示一条完整的水平线，表明差异小于最小的可表示数字。从数学上讲，两者完全相等是有道理的。

欢迎来到堆栈溢出。不幸的是，这不是一个代码编写或教程服务，“有人为我编写代码”不是一个有效的问题。请提供一份基于您自己的研究到目前为止您所做的尝试，以及您遇到的具体困难。

plt.plot（k，np.log（scipy.special.factorial（k））

第二次。

scipy.special.factorial（k）

似乎只在

k=170之前有效。

谢谢！我真的很抱歉，但是上面说“scipy”没有定义。我需要进口什么吗？@JohanC是这样吗？有没有办法让它工作到10000？我添加了行import scipy，但它不工作。。。Idk为什么会这样