2D棒状磨粒的我在2D杆喜欢颗粒,有在两端的两个半圆形帽,其由长度(升)和宽度(d)的中间矩形部分的直径(d)。所有颗粒的直径(和)保持恒定并且长度(l)变化。我想用python来想象它。 matplotlib可以自定义标记吗? 由于在模拟中大约有5K个粒子,我希望它速度很快。可视化在python
我一直在使用gnuplot,绘制杆作为向量,它给了我一个粒子的想法,但不是实际的大小。
2D棒状磨粒的我在2D杆喜欢颗粒,有在两端的两个半圆形帽,其由长度(升)和宽度(d)的中间矩形部分的直径(d)。所有颗粒的直径(和)保持恒定并且长度(l)变化。我想用python来想象它。 matplotlib可以自定义标记吗? 由于在模拟中大约有5K个粒子,我希望它速度很快。可视化在python
我一直在使用gnuplot,绘制杆作为向量,它给了我一个粒子的想法,但不是实际的大小。
你可能想看看this post,它使用的想法从this answer。
杆将是一个带球冠的线(solid_capstyle="round"
)。
线宽,其在点通常给出然后从数据单位来计算和当前数据变换。
为了添加很多这样的行,可以从上述文章中更改代码以创建大量行。不幸的是,一个LineCollection
,这会加快速度,不允许改变capstyle。
下面是一个例子:
import matplotlib.pyplot as plt
from matplotlib.lines import Line2D
import numpy as np
class Rods():
def __init__(self, x,y,l,w=1, angle=0, **kwargs):
self.ax = kwargs.pop("ax", plt.gca())
self.color=kwargs.pop("color", "lightblue")
self.lw = 1
self.ax.figure.canvas.draw()
self.ppd=72./self.ax.figure.dpi
self.trans = self.ax.transData.transform
self.lines = []
self.set_data(x,y,l,w, angle)
self.cid=self.ax.figure.canvas.mpl_connect('resize_event',self._resize)
self.cid1=self.ax.figure.canvas.mpl_connect("motion_notify_event",self._resize)
self.cid2=self.ax.figure.canvas.mpl_connect('button_release_event',self._resize)
def set_data(self, x,y,l,w=1, angle=0, color=None):
if color: self.color=color
self.lw_data = w
m = np.array([[np.cos(angle), -np.sin(angle)],[np.sin(angle), np.cos(angle)]])
xy1 = np.dot(m, np.c_[np.zeros_like(x),-l/2.*np.ones_like(x)].T).T
xy2 = np.dot(m, np.c_[np.zeros_like(x), l/2.*np.ones_like(x)].T).T
x = np.c_[xy1[:,0] + x,xy2[:,0] + x]
y = np.c_[xy1[:,1] + y,xy2[:,1] + y]
if self.lines:
for line in self.lines: line.remove()
for i in range(len(x)):
line = Line2D(x[i,:], y[i,:],
solid_capstyle="round", color=self.color)
self.lines.append(line)
for line in self.lines:
self.ax.add_artist(line)
self._resize()
def _resize(self, event=None):
lw = ((self.trans((1,self.lw_data))-self.trans((0,0)))*self.ppd)[1]
if lw != self.lw:
for line in self.lines:
line.set_linewidth(lw)
self.ax.figure.canvas.draw_idle()
self.lw = lw
fig, ax = plt.subplots()
ax.set_aspect('equal')
ax.axis([0,6,0,6])
x = np.array([1,2,3,4])
y = np.array([2,3,5,5])
l = np.array([2,3,5,4])*0.2
r = Rods(x,y,l,w=0.1, angle=45, color="crimson")
r = Rods(y[::-1],x[::-1],l,w=0.4, angle=90, color="purple")
plt.show()
这应该做到这一点。谢谢。 –
你想拥有绝对数据颗粒的大小坐标或只是相对于对方? – ImportanceOfBeingErnest
我有绝对的数据坐标,但是有一个我可以缩放的最小尺寸。 –