心脏线--基于Python

使用Python的NumPy和matplotlib画心脏线

数学解释

首先我们看一下心脏线的函数表达：

$x=cos(\alpha )$
$y=sin(\alpha )+cos(\alpha {)}^{2/3}$

知道了心脏线的方程，那我们只需要使用一些绘图的技巧就可以很简单的画图

画心脏线

import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(6,4))

data=np.linspace(0,2*np.pi,1000)
x = np.cos(data)
y = np.sin(data)+((np.cos(data))**2)**(1/3)

plt.plot(x,y,'r')
plt.show()

输出如下：

np.linspace主要用来创建等差数列，参数如下：

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
Return evenly spaced numbers over a specified interval.
(在start和stop之间返回均匀间隔的数据)
Returns num evenly spaced samples, calculated over the interval [start, stop].
(返回的是 [start, stop]之间的均匀分布)
The endpoint of the interval can optionally be excluded.
Changed in version 1.16.0: Non-scalar start and stop are now supported.
(可以选择是否排除间隔的终点)

参数含义：

> start:返回样本数据开始点 
> stop:返回样本数据结束点 
> num:生成的样本数据量，默认为50
> endpoint：True则包含stop；False则不包含stop 
> retstep：If True, return (samples,step), where step is the spacing between samples.(即如果为True则结果会给出数据间隔)
> dtype：输出数组类型 
> axis：0(默认)或-1

三种方法对内部进行填充

#直接填充法
def fill_solution(x,y):
    plt.fill_between(x,y,facecolor='red')

#随机投点法
def random_solution():
    for i in range(50000):
        data_new = np.random.uniform(0,2*np.pi,1)
        r = np.random.uniform(0,1,1)
        x_new= r*np.cos(data_new)
        y_new= r*np.sin(data_new)+((np.cos(data_new))**2)**(1/3)
        plt.scatter(x_new,y_new,c='r')
        plt.title("Cardioid")

#同心圆法
def Concentric_circles():
    theta=np.arange(0,np.pi*2+0.1,0.001)
    plt.figure(figsize=(50,30))
    for r in np.arange(0,1,0.0005):
        x=r*np.cos(theta)
        y=r*(np.sin(theta)+(np.cos(theta)**2)**(1/3))
        plt.rcParams['lines.linewidth']=r*20
        plt.plot(x,y,c="r")
    plt.show()
#----------------------------------------------end!
#个人觉得fill_between函数是最优的，而且其多用于组合图形的填充

完整代码：

# -*- coding: utf-8 -*-
'''
@Time   : 2021/09/24 20:16:33
@Author : ghz
'''
import matplotlib.pyplot as plt
import numpy as np
 

#直接填充法
def fill_solution(x,y):
    plt.fill_between(x,y,facecolor='red')

#随机投点法
def random_solution():
    for i in range(50000):
        data_new = np.random.uniform(0,2*np.pi,1)
        r = np.random.uniform(0,1,1)
        x_new= r*np.cos(data_new)
        y_new= r*np.sin(data_new)+((np.cos(data_new))**2)**(1/3)
        plt.scatter(x_new,y_new,c='r')
        plt.title("Cardioid")

#同心圆法
def Concentric_circles():
    theta=np.arange(0,np.pi*2+0.1,0.001)
    plt.figure(figsize=(50,30))
    for r in np.arange(0,1,0.0005):
        x=r*np.cos(theta)
        y=r*(np.sin(theta)+(np.cos(theta)**2)**(1/3))
        plt.rcParams['lines.linewidth']=r*20
        plt.plot(x,y,c="r")
    plt.show()

def main():
    plt.figure(figsize=(6,4))
    data=np.linspace(0,2*np.pi,1000)

    x = np.cos(data)
    y = np.sin(data)+((np.cos(data))**2)**(1/3)

    plt.plot(x,y,'r')
    #画心脏线
    '''----------------说明-------------------
    以下两个函数可以分别调用直接填充法和随机投点法
    按照需求注释掉其中一个即可
    若只画心脏线，则可以将两个全部注释
    '''
    #fill_solution(x,y)
    #random_solution()

    plt.show()

if __name__ == '__main__':
    #由于数据源的不同,直接调用Concentric_circles函数进行随机投点
    main()
    #Concentric_circles()

填充图