绘制大量数据点

Question

我遇到了一个奇怪的问题：当我将非线性方程中的大量数据点存储到3个数组（x，y和z）时，然后尝试将它们绘制在2D图形中（theta-phi图，因此它的2D）。

我试图通过每20个数据点的采样点消除需要绘制的点，因为z数据大致是周期性的。我选择z值刚好大于零的那些点，以确保我为每个时期选择了一个点。

当我尝试执行上述操作时出现问题。我在图表上只得到了非常有限的点数，大约152个点，无论我如何改变我的初始数据点数（只要它超过一定数量的当然）。

我怀疑它可能是我错误使用的某个命令，或者数组的容量小于我预期的（似乎不太可能），有人可以帮我找出问题所在吗？

def drawstaticplot(m,n, d_n, n_o):
    counter=0
    for i in range(0,m):
        n=vector.rungekutta1(n, d_n)
        d_n=vector.rungekutta2(n, d_n, i)
        x1 = n[0]    
        y1 = n[1]
        z1 = n[2]
        if i%20==0:
            xarray.append(x1)
            yarray.append(y1)
            zarray.append(z1)
    for j in range(0,(m/20)-20):
        if (((zarray[j]-n_o)>0) and ((zarray[j+1]-n_o)<0)):
           counter= counter +1
           print zarray[j]-n_o,counter
           plotthetaphi(xarray[j],yarray[j],zarray[j])

def plotthetaphi(x,y,z):
    phi= math.acos(z/math.sqrt(x**2+y**2+z**2))
    theta = math.acos(x/math.sqrt(x**2 + y**2))
    plot(theta, phi,'.',color='red')

此外，我尝试将以下SO question中的代码应用到我的代码中，除了我的数据点不是随机生成外，我想要一个非常相似的结果。

Answer 1

Shiuan，

我仍在调查你的问题，但有几点说明：

您可以执行以下操作，而不是循环并附加到数组：

选择每个第n个元素：

# inside IPython console:
[2]: a=np.arange(0,10)

In [3]: a[::2] # here we select every 2nd element.
Out[3]: array([0, 2, 4, 6, 8])

所以不要在m：

的所有元素上计算runga-kutta

new_m = m[::20] # select every element of m.

现在调用你的函数：

def drawstaticplot(new_m,n, d_n, n_o):
    n=vector.rungekutta1(n, d_n)
    d_n=vector.rungekutta2(n, d_n, i)
    x1 = n[0]    
    y1 = n[1]
    z1 = n[2]
    xarray.append(x1)
    yarray.append(y1)
    zarray.append(z1)
    ...

关于追加和迭代大数据集：

append通常很慢，因为它会复制整个数组然后 堆叠新元素。相反，你已经知道了n的大小，所以你可以这样做：

def drawstaticplot(new_m,n, d_n, n_o):
    # create the storage based on n,
    # notice i assumed that rungekutta, returns n the size of new_m, 
    # but you can change it.
    x,y,z = np.zeros(n.shape[0]),np.zeros(n.shape[0]), np.zeros(n.shape[0])

for idx, itme in enumerate(new_m): # notice the function enumerate, make it your friend!
    n=vector.rungekutta1(n, d_n)
    d_n=vector.rungekutta2(n, d_n, ite,)
    x1 = n[0]    
    y1 = n[1]
    z1 = n[2]
    #if i%20==0: # we don't need to check for the 20th element, m is already filtered...
    xarray[idx] = n[0]
    yarray[idx] = n[1]
    zarray[idx] = n[2]
    # is the second loop necessary?
    if (((zarray[idx]-n_o)>0) and ((zarray[j+1]-n_o)<0)): 
       print zarray[idx]-n_o,counter
       plotthetaphi(xarray[idx],yarray[idx],zarray[idx])

Answer 2

您可以使用此处建议的方法： Efficiently create a density plot for high-density regions, points for sparse regions 例如直方图，你有太多的点和密度低的点。 或者你也可以使用rartized标志为matplotlib，这会加速matplotlib。