Skip to main content
 首页 » 编程设计

python之梯度和箭袋图

2024年12月31日7sky-heaven

from scipy import * 
import matplotlib.pyplot as plt 
 
 
def plot_elines(x_grid, y_grid, potential, field): 
    fig, ax = plt.subplots(figsize=(13, 13)) 
    im_cs = ax.contour(x_grid, y_grid, potential, 18, cmap='inferno') 
    plt.clabel(im_cs, inline=1, fontsize=7) 
    ax.quiver(x_grid[::3, ::3], y_grid[::3, ::3], 
              field[0, ::3, ::3], field[1, ::3, ::3],) 
    ax.set_xlabel("$x$") 
    ax.set_ylabel("$y$") 
    plt.show() 
 
 
# define q configuration (x,y positions) 
charges = [ 
    [1, 1], 
] 
 
xx, yy = meshgrid(linspace(-4, 4), linspace(-4, 4)) 
# potential function 
e_pot = 0. 
for idx, q in enumerate(charges): 
    dx, dy = xx-q[0], yy-q[1] 
    rr = hypot(dx, dy) 
    e_pot += 1/(4*pi) * 1./rr 
e_field = gradient(-e_pot) 
e_field /= hypot(e_field[0], e_field[1]) * 5 
 
# why is this needed? 
e_field[0] = e_field[0].T 
e_field[1] = e_field[1].T 
 
plot_elines(xx, yy, e_pot, e_field) 

我对使用 numpy/scipy 中的 gradient 函数有疑问。

我在这里绘制电场等势线和单个正电荷的场矢量。定义是

E = -grad(V)

根据定义,场矢量(箭袋)和等势线(等高线)应该在空间中的所有点都相互正交,并且由于电荷为正,因此箭头需要指向远离电荷本身的方向。

我正在使用scipy的gradient函数来计算E,但是我发现如果我不转置gradient函数输出的x-y网格,输出是错误的。

比较两个输出(有 .T(正确)和没有 .T(错误)):

对比

为什么需要转置?还是我在策划错误的事情?

谢谢。

请您参考如下方法:

转置给出正确图的事实纯属巧合,因为电荷在 x 和 y 方向对称放置(即在 45° 线上)。

真正的问题来自对 numpy.gradient 的错误解释。它将返回轴方向的梯度。轴 0 的第一个数组和轴 1 的第二个数组。现在,您的情况下的轴 0 对应于 y 轴,轴 1 对应于 x 轴。

e_field_y, e_field_x = numpy.gradient(-e_pot) 

因此当您在箭袋图中选择各个字段分量时,您需要选择第一个条目作为 y 分量,第二个条目作为 x 分量。

ax.quiver(x_grid[::3, ::3], y_grid[::3, ::3], 
          field[1, ::3, ::3], field[0, ::3, ::3],) 

完整的代码看起来像

import numpy as np 
import matplotlib.pyplot as plt 
 
 
def plot_elines(x_grid, y_grid, potential, field): 
    fig, ax = plt.subplots(figsize=(13, 13)) 
    im_cs = ax.contour(x_grid, y_grid, potential, 18, cmap='inferno') 
    plt.clabel(im_cs, inline=1, fontsize=7) 
    ax.quiver(x_grid[::3, ::3], y_grid[::3, ::3], 
              field[1, ::3, ::3], field[0, ::3, ::3],) 
    ax.set_xlabel("$x$") 
    ax.set_ylabel("$y$") 
    ax.set_aspect("equal") 
    plt.show() 
 
 
# define q configuration (x,y positions) 
charges = [ 
    [1, 0], 
] 
 
xx, yy = np.meshgrid(np.linspace(-4, 4), np.linspace(-4, 4)) 
# potential function 
e_pot = 0. 
for idx, q in enumerate(charges): 
    dx, dy = xx-q[0], yy-q[1] 
    rr = np.hypot(dx, dy) 
    e_pot += 1/(4*np.pi) * 1./rr 
e_field = np.gradient(-e_pot) 
e_field /= np.hypot(e_field[0], e_field[1]) * 5 
 
plot_elines(xx, yy, e_pot, e_field) 

我把电荷放在反对角线上的地方。

最后的提示:如果您使用不同形状的网格,则可以对此类代码进行良好的一致性检查。例如。如果你沿 x 取 50 个点,沿 y 取 51 个点,你会得到一个错误而不是一个看似有效的代码,并且会更容易被引导到潜在的问题。