我目前有一个 python 脚本，它读取一个 3 列文本文件，其中包含步行者的 x 和 y 坐标以及他们步行的时间。
我读入了这些数据并将其分配到 numpy 数组中，如下面的代码所示:
import numpy as np
import matplotlib.pyplot as plt
data = np.loadtxt("info.txt", delimiter = ',')
x = data[:,0]
y = data[:,1]
t = data[:,2]
文件格式为 (x,y,t):
5907364.2371 -447070.881709 2193094
5907338.306978 -447058.019176 2193116
5907317.260891 -447042.192668 2193130
我现在想找出步行者行走的距离与时间的函数关系。我能想到的一种方法是在一个循环中对 x 坐标的差异和 y 坐标的所有差异求和。然而，这似乎是一个非常冗长的方法，我认为它可以通过一种数值积分来解决。有人知道我能做什么吗？
请您参考如下方法:
要计算“沿途”的距离，必须先获取每一步的距离。
这可以通过索引 dx = x[1:]-x[:-1] 以组件方式获得。每步的距离是“dx**2+dy**2 的平方根”请注意，该数组的长度减一，因为相对于步数的间隔少了一个。这可以通过将距离“0”分配给第一时间数据来完成。这就是下面“concatenate”行的作用。
这里没有数值积分，而是累加和。要执行数值积分，您需要运动方程(例如)。
额外的变化:我使用 np.loadtxt 和 unpack=True 参数来节省几行。
import numpy as np
import matplotlib.pyplot as plt
x, y, t = np.loadtxt("info.txt", unpack=True)
dx = x[1:]-x[:-1]
dy = y[1:]-y[:-1]
step_size = np.sqrt(dx**2+dy**2)
cumulative_distance = np.concatenate(([0], np.cumsum(step_size)))
plt.plot(t, cumulative_distance)
plt.show()
