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。