Python教程之粒⼦运动轨迹动态绘图
（本⽂整理⾃《Python⾼性能》）
  今天我们来讲⼀下Python中的动态绘图库–matplotlib.animation，以粒⼦运动轨迹为例来说明如何绘制动态图。
  假设按照圆周运动，如下图所⽰：
为了模拟这个运动，我们需要如下信息：粒⼦的起始位置、速度和旋转⽅向。因此定义⼀个通⽤的Particle类，⽤于存储粒⼦的位置及⾓速度。
class Particle:
def__init__(self, x, y, ang_vel):
self.x = x
linspace函数pythonself.y = y
self.ang_vel = ang_vel
  对于特定粒⼦，经过时间t后，它将到达圆周上的下⼀个位置。我们可以这样近似计算圆周轨迹：将时间段t分成⼀系列很⼩的时间段dt，在这些很⼩的时段内，粒⼦沿圆周的切线移动。这样就近似模拟了圆周运动。粒⼦运动⽅向可以按照下⾯的公式计算：
v_x =-y /(x **2+ y **2)**0.5
v_y = x /(x **2+ y **2)**0.5
  计算经过时间t后的粒⼦位置，必须采取如下步骤：
1）计算运动⽅向（v_x和v_y)
2）计算位置(d_x和d_y)，即时段dt、⾓速度和移动⽅向的乘积
3）不断重复第1步和第2步，直到时间过去t
class ParticleSimulator:
def__init__(self, particles):
self.particles = particles
def evolve(self, dt):
timestep =0.00001
nsteps =int(dt / timestep)
for i in range(nsteps):
for p in self.particles:
norm =(p.x **2+ p.y **2)**0.5
v_x =-p.y / norm
v_y = p.x / norm
d_x = timestep * p.ang_vel * v_x
d_y = timestep * p.ang_vel * v_y
p.x += d_x
p.y += d_y
  下⾯就是进⾏绘图了，我们先把代码放上来，再具体解释：
def visualize(simulator):
X =[p.x for p in simulator.particles]
Y =[p.y for p in simulator.particles]
fig = plt.figure()
ax = plt.subplot(111, aspect ='equal')
line,= ax.plot(X, Y,'ro')#如果不加逗号，返回值是包含⼀个元素的list，加上逗号表⽰直接将list的值取出
plt.xlim(-1,1)
plt.ylim(-1,1)
def init():
line.set_data([],[])
return line,#加上逗号表⽰返回包含只元素line的元组
def animate(i):
simulator.evolve(0.01)
X =[p.x for p in simulator.particles]
Y =[p.y for p in simulator.particles]
line.set_data(X, Y)
return line,#加上逗号表⽰返回包含只元素line的元组
anim = animation.FuncAnimation(fig,
animate,
init_func = init,
blit =True,
interval =10)
plt.show()
这⾥再对animation.FuncAnimation函数作具体解释：
fig表⽰动画绘制的画布
func = animate表⽰绘制动画，本例中animate的参数未使⽤，但不可省略
frames参数省略未写，表⽰要传给func的参数，省略的话会⼀直累加
blit表⽰是否更新整张图
interval表⽰更新频率，单位为ms
完整代码如下:
# -*- coding: utf-8 -*-
# -*- coding: utf-8 -*-
from matplotlib import pyplot as plt
from matplotlib import animation
import numpy as np
class Particle:
def__init__(self, x, y, ang_vel):
self.x = x
self.y = y
self.ang_vel = ang_vel
class ParticleSimulator:
def__init__(self, particles):
self.particles = particles
def evolve(self, dt):
timestep =0.00001
nsteps =int(dt / timestep)
for i in range(nsteps):
for p in self.particles:
norm =(p.x **2+ p.y **2)**0.5                v_x =-p.y / norm
v_y = p.x / norm
d_x = timestep * p.ang_vel * v_x                d_y = timestep * p.ang_vel * v_y
p.x += d_x
p.y += d_y
def visualize(simulator):
X =[p.x for p in simulator.particles]
Y =[p.y for p in simulator.particles]
fig = plt.figure()
ax = plt.subplot(111, aspect ='equal')    line,= ax.plot(X, Y,'ro')
plt.xlim(-1,1)
plt.ylim(-1,1)
def init():
line.set_data([],[])
return line,
def init2():
line.set_data([],[])
return line
def animate(aa):
simulator.evolve(0.01)
X =[p.x for p in simulator.particles]        Y =[p.y for p in simulator.particles]
line.set_data(X, Y)
return line,
anim = animation.FuncAnimation(fig,                                  animate,
frames=10,
init_func = init,
blit =True,
interval =10)
interval =10)
plt.show()
def test_visualize():
particles =[Particle(0.3,0.5,1),
Particle(0.0,-0.5,-1),
Particle(-0.1,-0.4,3)]
simulator = ParticleSimulator(particles)
visualize(simulator)
if __name__ =='__main__':
test_visualize()
绘制效果如下：
  可能很多同学看了上⾯这个例⼦，也不是很清楚animation函数的⽤法，下⾯我们再举个简单例⼦：
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.animation as animation
def update_points(num):
point_ani.set_data(x[num], y[num])
return point_ani,
x = np.linspace(0,2*np.pi,100)
y = np.sin(x)
fig = plt.figure(tight_layout=True)
plt.plot(x,y)
point_ani,= plt.plot(x[0], y[0],"ro")
ani = animation.FuncAnimation(fig, update_points, frames = np.arange(0,100), interval=100, blit=True)
plt.show()
显⽰效果如下图所⽰：
但如果把animation.FuncAnimation中的frames参数改成`np.arange(0, 10):
ani = animation.FuncAnimation(fig, update_points, frames = np.arange(0,10), interval=100, blit=True)那显⽰效果就会如下图所⽰：
这是因为我们定义了⼀百个点的数据，但只看前10个点。
：Quant_Times

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。