我想在Python中绘制一个带有曲线箭头的向量场，就像在vfplot（见下文）或IDL中可以做的那样。
quiver()接近，但是它限制了直线向量的使用（见下方左图），而streamplot()似乎不能对箭头长度或箭头位置进行有意义的控制（见下方右图），即使更改integration_direction、density和maxlength也是如此。
那么，有没有Python库可以做到这一点？或者有没有让Matplotlib实现它的方法？
使用曲线（路径跟随）向量在Python中进行流程可视化
16
- Kieran Hunt
5
你能提供一些样本数据或函数来使用吗？ - Thomas Kühn
1@ThomasKühn 我也对这个问题很感兴趣。在这里，您可以找到matplotlib文档中streamplot的示例数据。https://matplotlib.org/gallery/images_contours_and_fields/plot_streamplot.html#sphx-glr-gallery-images-contours-and-fields-plot-streamplot-py - MaxPlankton
请查看以下链接：https://dev59.com/QVcP5IYBdhLWcg3wXIwy 和 https://dev59.com/fFoU5IYBdhLWcg3wYWSx - Marius Brits
如果有人感兴趣，我的简陋的 bare-bones matplotlib bolt-on 在这里：https://github.com/kieranmrhunt/curved-quivers。 - Kieran Hunt
https://stackoverflow.com/q/67347019/14105784 - Veenita Roy
5个回答
7
如果您查看matplotlib中包含的streamplot.py文件，可以在第196-202行（大约是这样，我不知道不同版本之间是否有所不同 - 我使用的是matplotlib 2.1.2）看到以下内容：
将该部分更改为以下内容即可解决问题（更改n的赋值）：
如果您将箭头放在末尾，那么您可以更喜欢地生成箭头。 此外，从函数顶部的文档中，我们可以看到以下内容：
... (to line 195)
# Add arrows half way along each trajectory.
s = np.cumsum(np.sqrt(np.diff(tx) ** 2 + np.diff(ty) ** 2))
n = np.searchsorted(s, s[-1] / 2.)
arrow_tail = (tx[n], ty[n])
arrow_head = (np.mean(tx[n:n + 2]), np.mean(ty[n:n + 2]))
... (after line 196)
将该部分更改为以下内容即可解决问题（更改n的赋值）：
... (to line 195)
# Add arrows half way along each trajectory.
s = np.cumsum(np.sqrt(np.diff(tx) ** 2 + np.diff(ty) ** 2))
n = np.searchsorted(s, s[-1]) ### THIS IS THE EDITED LINE! ###
arrow_tail = (tx[n], ty[n])
arrow_head = (np.mean(tx[n:n + 2]), np.mean(ty[n:n + 2]))
... (after line 196)
如果您将箭头放在末尾，那么您可以更喜欢地生成箭头。 此外，从函数顶部的文档中，我们可以看到以下内容：
*linewidth* : numeric or 2d array
vary linewidth when given a 2d array with the same shape as velocities.
线宽可以是一个numpy.ndarray，如果您能预先计算所需箭头的宽度，则可以在绘制箭头时修改笔画宽度。看起来这部分已经为您完成。
因此，结合缩短箭头的最大长度、增加密度和添加起始点，以及调整将箭头放在末尾而不是中间的函数，您可以获得所需的图形。
通过这些修改和以下代码，我能够获得更接近您想要的结果：
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import matplotlib.patches as pat
w = 3
Y, X = np.mgrid[-w:w:100j, -w:w:100j]
U = -1 - X**2 + Y
V = 1 + X - Y**2
speed = np.sqrt(U*U + V*V)
fig = plt.figure(figsize=(14, 18))
gs = gridspec.GridSpec(nrows=3, ncols=2, height_ratios=[1, 1, 2])
grains = 10
tmp = tuple([x]*grains for x in np.linspace(-2, 2, grains))
xs = []
for x in tmp:
xs += x
ys = tuple(np.linspace(-2, 2, grains))*grains
seed_points = np.array([list(xs), list(ys)])
# Varying color along a streamline
ax1 = fig.add_subplot(gs[0, 1])
strm = ax1.streamplot(X, Y, U, V, color=U, linewidth=np.array(5*np.random.random_sample((100, 100))**2 + 1), cmap='winter', density=10,
minlength=0.001, maxlength = 0.07, arrowstyle='fancy',
integration_direction='forward', start_points = seed_points.T)
fig.colorbar(strm.lines)
ax1.set_title('Varying Color')
plt.tight_layout()
plt.show()
简而言之：复制源代码并将箭头放在每个路径的末尾，而不是中间。然后使用您的streamplot而不是matplotlib streamplot。
编辑：我已经使线宽度变化。
- David Culbreth
1
这看起来像是正确的方法。我会尝试让长度与矢量场的大小成比例，从这里开始应该不太难（他天真地说）。 - Kieran Hunt
6
从David Culbreth的修改开始，我重写了streamplot函数的部分代码以实现所需的行为。这些改进过多，无法在此一一列举，但包括长度归一化方法和禁用轨迹重叠检查等。我附加了两个新的曲线箭头图函数与原始的streamplot和quiver的比较图像。
- Kieran Hunt
2
嗨，@Kieran Hunt。我尝试了你在Github上的脚本，并注意到如果你放大足够多，箭头不在曲线的最末端，而是在曲线长度的约90％处。有什么想法和解决方法吗？ - Jason
6
以下是在vanilla pyplot中获得所需输出的方法（即不修改streamplot函数或任何复杂操作）。 作为提醒，目标是使用弯曲的箭头可视化矢量场，其长度与矢量的范数成比例。
技巧如下：
- 使用没有箭头的streamplot从给定点开始向后追踪（见）
- 从该点绘制quiver。 让quiver足够小，以便仅可见箭头
- 对每个种子重复1.和2.的操作，并将streamplot的长度按比例缩放以表示矢量的范数。
import matplotlib.pyplot as plt
import numpy as np
w = 3
Y, X = np.mgrid[-w:w:8j, -w:w:8j]
U = -Y
V = X
norm = np.sqrt(U**2 + V**2)
norm_flat = norm.flatten()
start_points = np.array([X.flatten(),Y.flatten()]).T
plt.clf()
scale = .2/np.max(norm)
plt.subplot(121)
plt.title('scaling only the length')
for i in range(start_points.shape[0]):
plt.streamplot(X,Y,U,V, color='k', start_points=np.array([start_points[i,:]]),minlength=.95*norm_flat[i]*scale, maxlength=1.0*norm_flat[i]*scale,
integration_direction='backward', density=10, arrowsize=0.0)
plt.quiver(X,Y,U/norm, V/norm,scale=30)
plt.axis('square')
plt.subplot(122)
plt.title('scaling length, arrowhead and linewidth')
for i in range(start_points.shape[0]):
plt.streamplot(X,Y,U,V, color='k', start_points=np.array([start_points[i,:]]),minlength=.95*norm_flat[i]*scale, maxlength=1.0*norm_flat[i]*scale,
integration_direction='backward', density=10, arrowsize=0.0, linewidth=.5*norm_flat[i])
plt.quiver(X,Y,U/np.max(norm), V/np.max(norm),scale=30)
plt.axis('square')
这是结果:
- Arthur Bauville
2
1不需要在循环中使用
quiver()，因为输入参数是相同的。 - Jason1@Jason 确实如此！我按照你的建议修复了解决方案。 - Arthur Bauville
2
仅查看streamplot()文档，可在此处找到链接--如果您使用类似于streamplot( ... ,minlength = n/2, maxlength = n)的东西，其中n是所需长度--您将需要稍微调整这些数字以获得所需的图形。
您可以使用start_points控制点，如@JohnKoch提供的示例所示。
以下是我使用streamplot()控制长度的示例--它基本上是从上面的示例中复制/粘贴/裁剪而来的。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import matplotlib.patches as pat
w = 3
Y, X = np.mgrid[-w:w:100j, -w:w:100j]
U = -1 - X**2 + Y
V = 1 + X - Y**2
speed = np.sqrt(U*U + V*V)
fig = plt.figure(figsize=(14, 18))
gs = gridspec.GridSpec(nrows=3, ncols=2, height_ratios=[1, 1, 2])
grains = 10
tmp = tuple([x]*grains for x in np.linspace(-2, 2, grains))
xs = []
for x in tmp:
xs += x
ys = tuple(np.linspace(-2, 2, grains))*grains
seed_points = np.array([list(xs), list(ys)])
arrowStyle = pat.ArrowStyle.Fancy()
# Varying color along a streamline
ax1 = fig.add_subplot(gs[0, 1])
strm = ax1.streamplot(X, Y, U, V, color=U, linewidth=1.5, cmap='winter', density=10,
minlength=0.001, maxlength = 0.1, arrowstyle='->',
integration_direction='forward', start_points = seed_points.T)
fig.colorbar(strm.lines)
ax1.set_title('Varying Color')
plt.tight_layout()
plt.show()
编辑：虽然还不是我们想要的完美样式，但我把它变得更漂亮了。
- David Culbreth
2
我已经尝试过了，但不幸的是，(1) 你不能强制箭头位于流线的末端，(2) "长度"并不对应任何有意义的东西，比如向量大小 - 据我所知，它只受本地流线密度的控制。 - Kieran Hunt
我无法完成你所寻求的...这似乎是实现新绘图类型的好机会...如果你能让它工作，应该提交以作为Matplotlib的一部分添加。 - David Culbreth
0
我尝试在matplotlib上开启一个PR，以包含Kieran Hunt在他上面的回答中更新和简化的代码版本。然而，它被认为是非核心可视化，因此必须成为第三方贡献。对于那些感兴趣的人，请查看相应的matplotlib github问题
- Jelmer Veenstra
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接