设已知圆上一点坐标为（x1,y1) ,圆的半径为 r
成都创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：网站设计、成都网站制作、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的沾化网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！
若斜率不存在，则切线方程为: x = x1
若存在且斜率为K,则切线方程为：y - y1 = k(x-x1)
则圆心到切线的距离 d = r (半径），据此可求出斜率 k
将切线方程化为：y - y1 -kx + kx1 = 0,根据点到直线的距离的公式（此点为圆心即（0，0）），有：
d = | 0-y1 -0 +kx1| / ( k*k+1)^0.5 = r
而x1,y1，r是已知的，可求出k，至此切线方程呼之欲出
你好，既然你知道怎么pylab
画图的话，
那么画斜率的不是也一样的吗？
用斜率的公式，先计算出来，
然后传进函数里面，
你可以里面subplot，显示在同一个界面上。
推算。由于直线方程为：Ax+By+C=0，所以可知直线斜率k=-(A/B)，直线截距h=-(C/B)。最后就可以得知点到线的距离是d=│（Axo+Byo+C）/√(A?+B?)│。
对于气象绘图来讲，第一步是对数据的处理，通过各类公式，或者统计方法将原始数据处理为目标数据。
按照气象统计课程的内容，我给出了一些常用到的统计方法的对应函数：
在计算气候态，区域平均时均要使用到求均值函数，对应NCL中的dim_average函数，在python中通常使用np.mean()函数
numpy.mean(a, axis, dtype)
假设a为[time,lat,lon]的数据，那么
需要特别注意的是，气象数据中常有缺测，在NCL中，使用求均值函数会自动略过，而在python中，当任意一数与缺测(np.nan)计算的结果均为np.nan，比如求[1,2,3,4，np.nan]的平均值，结果为np.nan
因此，当数据存在缺测数据时，通常使用np.nanmean()函数，用法同上，此时[1,2,3,4，np.nan]的平均值为(1+2+3+4)/4 = 2.5
同样的，求某数组最大最小值时也有np.nanmax(), np.nanmin()函数来补充np.max(), np.min()的不足。
其他很多np的计算函数也可以通过在前边加‘nan’来使用。
另外，
也可以直接将a中缺失值全部填充为0。
np.std(a, axis, dtype)
用法同np.mean()
在NCL中有直接求数据标准化的函数dim_standardize()
其实也就是一行的事，根据需要指定维度即可。
皮尔逊相关系数：
相关可以说是气象科研中最常用的方法之一了，numpy函数中的np.corrcoef(x, y)就可以实现相关计算。但是在这里我推荐scipy.stats中的函数来计算相关系数：
这个函数缺点和有点都很明显，优点是可以直接返回相关系数R及其P值，这避免了我们进一步计算置信度。而缺点则是该函数只支持两个一维数组的计算，也就是说当我们需要计算一个场和一个序列的相关时，我们需要循环来实现。
其中a[time,lat,lon]，b[time]
(NCL中为regcoef()函数)
同样推荐Scipy库中的stats.linregress(x,y)函数：
slop: 回归斜率
intercept：回归截距
r_value： 相关系数
p_value： P值
std_err： 估计标准误差
直接可以输出P值，同样省去了做置信度检验的过程，遗憾的是仍需同相关系数一样循环计算。
