用Python优雅地写出数学表达式的LaTeX代码

简介: 用Python优雅地写出数学表达式的LaTeX代码

Latexify

Latexify是一个Python库,它可以将数学表达式转换为LaTeX代码。通过使用latexify-py,可以将数学表达式、函数、方程和公式等等,都优雅地转换为LaTeX代码,方便人们在文档或幻灯片中以纯正的格式来呈现数学表达式。

LaTeX

音译“拉泰赫”,是一种基于ΤΕΧ的排版系统,由美国计算机学家莱斯利·兰伯特(Leslie Lamport)在20世纪80年代初期开发,利用这种格式,即使使用者没有排版和程序设计的知识也可以充分发挥由TeX所提供的强大功能,能在几天、甚至几小时内生成很多具有书籍质量的印刷品。对于生成复杂表格和数学公式,这一点表现得尤为突出。因此它非常适用于生成高印刷质量的科技和数学类文档。

安装方法

pip install latexify-py

Collecting latexify-py

 Downloading latexify_py-0.4.2-py3-none-any.whl (38 kB)

Collecting dill>=0.3.2

 Downloading dill-0.3.7-py3-none-any.whl (115 kB)

    |████████████████████████████████| 115 kB 16 kB/s

Installing collected packages: dill, latexify-py

Successfully installed dill-0.3.7 latexify-py-0.4.2

版本要求

当前版本为0.4.2,注意它要求Python版本不能是当前的最新版本3.12,但也不能低于3.7版本:

ERROR: Ignored the following versions that require a different python version: 0.0.4 Requires-Python >=3.6, <3.9; 0.0.5 Requires-Python >=3.6, <3.9; 0.0.6 Requires-Python >=3.6, <3.9; 0.0.7 Requires-Python >=3.6, <3.9; 0.1.0 Requires-Python <3.11,>=3.7; 0.1.1 Requires-Python <3.11,>=3.7; 0.2.0 Requires-Python <3.11,>=3.7; 0.2.0b1 Requires-Python <3.11,>=3.7; 0.2.0b2 Requires-Python <3.11,>=3.7; 0.3.0b1 Requires-Python <3.12,>=3.7; 0.3.1 Requires-Python <3.12,>=3.7; 0.4.0 Requires-Python <3.12,>=3.7; 0.4.1 Requires-Python <3.12,>=3.7; 0.4.2 Requires-Python <3.12,>=3.7

ERROR: Could not find a version that satisfies the requirement latexify-py (from versions: none)

ERROR: No matching distribution found for latexify-py

使用方法

实例一

先用一元二次方程的根来示例lateify的用法:

import math, latexify
@latexify.expression
def solve(a,b,c):
    return (-b + math.sqrt(b**2-4*a*c))/(2*a),(-b - math.sqrt(b**2-4*a*c))/(2*a)
# 输出Latex公式
print(solve)
# 输出函数的值
print(solve(1,2,1))
print(solve(1,0,-1))

输出结果:

\mathopen{}\left( \frac{-b + \sqrt{ b^{2} - 4 a c }}{2 a}, \frac{-b - \sqrt{ b^{2} - 4 a c }}{2 a} \mathclose{}\right)

(-1.0, -1.0)

(1.0, -1.0)

公式预览:

注:代码的关键就是在函数上标注@latexify.expression装饰器。

实例二

再举一个更复杂一点的函数例子,并导入numpy库的函数:

import latexify
import numpy as np
@latexify.function
def f(x):
    return 2*np.pi*x + np.sin(x) - np.cos(x) / (1 + np.exp(-x))
print(latex_code)

输出结果:

f(x) = 2 \mathrm{np}.\mathrm{pi} x + \sin x - \frac{\cos x}{1 + \exp \mathopen{}\left( -x \mathclose{}\right)}

公式预览:

这第二段代码标注的装饰器是 @latexify.function,与 @latexify.expression 的区别在于后者只显示函数表达式,而前者@latexify.function显示函数名(参数)=函数表达式

实例三

同理,上一个例子换成另一个装饰器,例如:

import math, latexify
a,b,c = 1,-3,2
@latexify.function
def solve1(x1):
    return (-b + math.sqrt(b**2-4*a*c))/(2*a)
@latexify.function
def solve2(x2):
    return (-b - math.sqrt(b**2-4*a*c))/(2*a)
print(solve1)
print(solve2)
print(solve1((a,b,c)))
print(solve2((a,b,c)))

输出结果:

\mathrm{solve1}(\mathrm{x1}) = \frac{-b + \sqrt{ b^{2} - 4 a c }}{2 a}

\mathrm{solve2}(\mathrm{x2}) = \frac{-b - \sqrt{ b^{2} - 4 a c }}{2 a}

2.0

1.0

公式预览:

实例四

斐波那契数列通项表达式

import math, latexify
@latexify.function
def Fibonacci(n):
    return (((1 + math.sqrt(5))/2)**n - ((1 - math.sqrt(5))/2)**n)/math.sqrt(5)
print(Fibonacci)
for i in range(10):
    print(int(Fibonacci(i)))

输出结果:

\mathrm{Fibonacci}(n) = \frac{\mathopen{}\left( \frac{1 + \sqrt{ 5 }}{2} \mathclose{}\right)^{n} - \mathopen{}\left( \frac{1 - \sqrt{ 5 }}{2} \mathclose{}\right)^{n}}{\sqrt{ 5 }}

0

1

1

2

3

5

8

13

21

34

公式预览:

网上多数文章都写成这样的格式:

return语句改为以下表达式即可:

return (1/math.sqrt(5))*(((1 + math.sqrt(5))/2)**n - ((1 - math.sqrt(5))/2)**n)

实例五

分段函数,就以最简单的绝对值函数为例:

import latexify
@latexify.function
def f(x):
    return x if x>0 else (0 if x==0 else -x)
print(f)

结果输出:

f(x) = \left\{ \begin{array}{ll} x, & \mathrm{if} \ x > 0 \\ 0, & \mathrm{if} \ x = 0 \\ -x, & \mathrm{otherwise} \end{array} \right.

公式预览:


用Matplotlib展示LaTex

简单的Latex表达式还能用matplotlib来展示:

import matplotlib.pyplot as plt  
latex = (r'$\mathrm{x1} = \frac{-b + \sqrt{ b^{2} - 4 a c }}{2 a}$', 
        r'$\mathrm{x2} = \frac{-b - \sqrt{ b^{2} - 4 a c }}{2 a}$',
        r'$E=mc^2$')
fig = plt.figure(num='LaTeX')
plt.rcParams['font.sans-serif'] = ['SimHei']
fonts = 24,24,60
axisy = 0.8,0.6,0.25
color = 'black','black','red'
for axis,text,font,color in zip(axisy, latex, fonts, color):
    plt.text(0.5, axis, text, fontsize=font, color=color, ha='center', va='center')
plt.title('LaTeXify输出展示')
plt.axis('off')
fig.savefig("formula.png", dpi=300) 
plt.show()

执行结果:

显示更复杂的公式不知什么原因就报错,是字符\\和$相关的错还没搞清,有知道原因的请留言。

目录
相关文章
|
4天前
|
缓存 监控 测试技术
Python中的装饰器:功能扩展与代码复用的利器###
本文深入探讨了Python中装饰器的概念、实现机制及其在实际开发中的应用价值。通过生动的实例和详尽的解释,文章展示了装饰器如何增强函数功能、提升代码可读性和维护性,并鼓励读者在项目中灵活运用这一强大的语言特性。 ###
|
7天前
|
缓存 开发者 Python
探索Python中的装饰器:简化代码,增强功能
【10月更文挑战第35天】装饰器在Python中是一种强大的工具,它允许开发者在不修改原有函数代码的情况下增加额外的功能。本文旨在通过简明的语言和实际的编码示例,带领读者理解装饰器的概念、用法及其在实际编程场景中的应用,从而提升代码的可读性和复用性。
|
3天前
|
Python
探索Python中的装饰器:简化代码,提升效率
【10月更文挑战第39天】在编程的世界中,我们总是在寻找使代码更简洁、更高效的方法。Python的装饰器提供了一种强大的工具,能够让我们做到这一点。本文将深入探讨装饰器的基本概念,展示如何通过它们来增强函数的功能,同时保持代码的整洁性。我们将从基础开始,逐步深入到装饰器的高级用法,让你了解如何利用这一特性来优化你的Python代码。准备好让你的代码变得更加优雅和强大了吗?让我们开始吧!
12 1
|
8天前
|
设计模式 缓存 监控
Python中的装饰器:代码的魔法增强剂
在Python编程中,装饰器是一种强大而灵活的工具,它允许程序员在不修改函数或方法源代码的情况下增加额外的功能。本文将探讨装饰器的定义、工作原理以及如何通过自定义和标准库中的装饰器来优化代码结构和提高开发效率。通过实例演示,我们将深入了解装饰器的应用,包括日志记录、性能测量、事务处理等常见场景。此外,我们还将讨论装饰器的高级用法,如带参数的装饰器和类装饰器,为读者提供全面的装饰器使用指南。
|
4天前
|
存储 缓存 监控
掌握Python装饰器:提升代码复用性与可读性的利器
在本文中,我们将深入探讨Python装饰器的概念、工作原理以及如何有效地应用它们来增强代码的可读性和复用性。不同于传统的函数调用,装饰器提供了一种优雅的方式来修改或扩展函数的行为,而无需直接修改原始函数代码。通过实际示例和应用场景分析,本文旨在帮助读者理解装饰器的实用性,并鼓励在日常编程实践中灵活运用这一强大特性。
|
8天前
|
存储 算法 搜索推荐
Python高手必备!揭秘图(Graph)的N种风骚表示法,让你的代码瞬间高大上
在Python中,图作为重要的数据结构,广泛应用于社交网络分析、路径查找等领域。本文介绍四种图的表示方法:邻接矩阵、邻接表、边列表和邻接集。每种方法都有其特点和适用场景,掌握它们能提升代码效率和可读性,让你在项目中脱颖而出。
21 5
|
6天前
|
机器学习/深度学习 数据采集 人工智能
探索机器学习:从理论到Python代码实践
【10月更文挑战第36天】本文将深入浅出地介绍机器学习的基本概念、主要算法及其在Python中的实现。我们将通过实际案例,展示如何使用scikit-learn库进行数据预处理、模型选择和参数调优。无论你是初学者还是有一定基础的开发者,都能从中获得启发和实践指导。
17 2
|
8天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
26 4
|
10天前
|
缓存 开发者 Python
探索Python中的装饰器:简化和增强你的代码
【10月更文挑战第32天】 在编程的世界中,简洁和效率是永恒的追求。Python提供了一种强大工具——装饰器,它允许我们以声明式的方式修改函数的行为。本文将深入探讨装饰器的概念、用法及其在实际应用中的优势。通过实际代码示例,我们不仅理解装饰器的工作方式,还能学会如何自定义装饰器来满足特定需求。无论你是初学者还是有经验的开发者,这篇文章都将为你揭示装饰器的神秘面纱,并展示如何利用它们简化和增强你的代码库。
|
8天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
19 2