Python绘图-6绘制云滴图

受朋友所托，需绘制云滴图，我结合博客文章和ChatGpt，边学习边写代码，希望能帮助到有缘人。

6.1基本理论

正态云模型是一种用来描述云滴大小和分布的数学模型。该模型认为，云滴的大小分布符合正态分布，也就是一个钟形曲线。也就是说，大部分云滴的大小都集中在平均值附近，而远离平均值的云滴则相对较少。

6.2绘制准备

要绘制云模型图，通常需要先确定云滴的平均大小和标准差。然后，使用这些参数来计算不同大小云滴的概率密度函数，即每单位大小区间内的云滴数量。最后，将这些概率密度函数值绘制在图上，就得到了云模型图。

6.3绘图代码

import math                   # 导入math模块，提供数学函数
import numpy as np           # 导入numpy库，提供高效的数值计算功能
import matplotlib.pyplot as plt   # 导入matplotlib.pyplot模块，用于数据可视化

# 定义正向(forward)云发生器
def forwardCloud(Ex, En, He, N):
    cloudpoints = []  # 创建一个空列表，用于存储云点数据
    np.random.seed(0)   # 设置随机数种子为0，确保每次生成的随机数相同
    for i in range(N):   # 循环N次，生成N个云点
        x = np.random.normal(Ex, En)   # 生成一个服从正态分布的随机数，平均值为Ex，标准差为En
        En2 = np.random.normal(En, He)   # 生成一个服从正态分布的随机数，平均值为En，标准差为He
        y = math.exp(-pow(x - Ex, 2) / (2 * pow(En2, 2)))   # 计算y值，使用指数函数exp来拟合云点数据的分布
        cloudpoints.append({'x': x, 'y': y})   # 将生成的云点数据以字典形式添加到cloudpoints列表中
    return cloudpoints   # 返回生成的云点数据列表


res = forwardCloud(20, 10, 1, 5000)   # 调用forwardCloud函数，生成云点数据
#Ex是修改对称轴的值；En是修改
x = []   # 创建一个空列表，用于存储x坐标值
y = []   # 创建一个空列表，用于存储y坐标值
for r in res:   # 遍历云点数据列表中的每个字典元素
    x.append(r['x'])   # 将字典中的x值添加到x列表中
    y.append(r['y'])   # 将字典中的y值添加到y列表中


plt.scatter(x, y,s=5,color='green')   # 使用scatter函数绘制散点图，以x和y作为坐标参数

plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置默认字体为新创建的字体
plt.rcParams['axes.unicode_minus'] = False  # 用于正常显示负号
plt.title('绘制默云滴点图示例')
plt.xlabel('取值范围')
plt.ylabel('隶属度')
plt.show()   # 显示图形

核心参数提示

def forwardCloud(Ex, En, He, N)函数中:

Ex：平均值

En：标准差

He：另一个标准差

N：生成的云点数量

plt.scatter(x, y,s=5,color='green')中  s：云滴大小

函数内部通过循环生成N个云点，每个云点的x坐标服从以Ex和En为参数的正态分布，y坐标则通过一个特定的公式计算得出。

6.4图像呈现