python交互绘制Julia集


matplotlib的Show面板中提供了放大、移动等交互式操作,但也未能涵盖所有的交互需求,比如希望通过mandelbrot集上的一点来生成对应的Julia集。所谓Julia集就是类似下面的美妙的图案
在这里插入图片描述

Julia集

此Julia非彼Julia,乃是传说中的分形鼻祖,指的是对于给定的一个复数 c c c,使得迭代式 f ( z ) = z 2 + c f(z)=z^2+c f(z)=z2+c收敛的复数 z z z的集合。例如,当 c = 0 c=0 c=0时,那么其收敛区间为 z 2 < 1 z^2<1 z2<1的单位圆,对应的 c c c的Julia集便是 cos ⁡ θ + i sin ⁡ θ \cos\theta+i\sin\theta cosθ+isinθ
特别地,当 c = z c=z c=z的初始值时,符合收敛条件的 z z z的便构成大名鼎鼎的Mandelbrot集
Mandelbrot集在上图中,颜色表示该点的发散速度,可以理解为开始发散时迭代的次数。其生成代码也非常简单:

#mbrot.py
import numpy as np
import time
import pyplotlib.pyplot as plt
#生成z坐标,axis为起始位置,nx,ny为x向和y向的格点个数
def genZ(axis,nx,ny):
    x0,x1,y0,y1 = axis
    x = np.linspace(x0,x1,nx)
    y = np.linspace(y0,y1,ny)
    real, img = np.meshgrid(x,y)
    z = real + img*1j
    return z
#获取Julia集,n为迭代次数,m为判定发散点,大于1即可
def getJulia(z,c,n,m=2):
    t = time.time()
    c = np.zeros_like(z)+c
    out = abs(z)
    for i in range(n):
        absz = abs(z)
        z[absz>m]=0		#对开始发散的点置零
        c[absz>m]=0		
        out[absz>m]=i	#记录发散点的发散速度
        z = z*z + c
    print("time:",time.time()-t)
    return out
if __name__ == "__main__":
    axis = np.array([-2,1,-1.5,1.5])
    z0 = genZ(axis,500,500)
    mBrot = getJulia(z0,z0,50)
    plt.imshow(mBrot, cmap=cm.jet, extent=axis)
    plt.gca().set_axis_off()
    plt.show()

matplotlib绑定事件

下面希望实现点击Mandelbrot集中的一点,生成相应的Julia集。
在mpl中,事件绑定函数mpl_connect被封装在cavnas类中,调用格式为canvas.mpl_connect('str', func),其中func事件函数,字符串为被传入事件函数的事件标识,如下所列,望文生义即可

'button_press_event'
'button_release_event'
'draw_event'
'key_press_event'
'key_release_event'
'motion_notify_event'
'pick_event'
'resize_event'
'scroll_event'
'figure_enter_event'
'figure_leave_event'
'axes_enter_event'
'axes_leave_event'
'close_event'

简单起见,可以先检测一下鼠标点击事件'button_press_event',对此我们需要定义一个事件函数,并将上面的入口函数稍加修改:

def test(evt):
    print(evt.xdata)	#xdata即x方向的坐标
if __name__ == "__main__":
    axis = np.array([-2,1,-1.5,1.5])
    z0 = genZ(axis,500,500)
    mBrot = getJulia(z0,z0,50)
    fig, ax = plt.subplots()
    fig.canvas.mpl_connect('button_press_event', test)#调用事件函数
    plt.imshow(mBrot, cmap=cm.jet, extent=axis)
    plt.gca().set_axis_off()
    plt.show()	

于是点击imshow()出来的图片,即可返回相应的x坐标。

python mbrot.py
time: 0.47572827339172363
-0.8652597402597402
-0.7840909090909087
-0.18344155844155807
0.23051948051948123
0.8149350649350655

缩放

那么生成Julia集只需要重新调用一次getJulia这个函数即可。
Mandelbrot集的分形特征意味着我们所生成的图片可以无限放大,但是mpl自带的放大工具并不会重新生成数据,所以是虚假的放大。因此需要重新绑定放大操作,其思路是,当右键点击(‘button_press_event’)时,记录此时的坐标,当右键释(‘button_release_event’)放时重新绘制图片,为了防止与左键冲突,所以在点击所对应的事件函数中加入左右键判断。其结果如图
在这里插入图片描述
此外,还可以绑定鼠标滚轮,实现Mandelbrot集在该点的真实缩放,代码如下

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm
import matplotlib.backend_bases as mbb
import time

class MandelBrot():
    def __init__(self,x0,x1,y0,y1,n):
        self.oriAxis = np.array([x0,x1,y0,y1])        	#初始坐标
        self.axis = self.oriAxis
        self.nx,self.ny,self.nMax = n,n,n               #x,y方向的网格划分个数
        self.nIter = 100                                #迭代次数
        self.n0 = 0                                     #预迭代次数
        self.z = genZ(self.oriAxis,self.nx,self.ny)
        self.DrawMandelbrot()

    def DrawMandelbrot(self):
        mBrot = getJulia(self.z,self.z,self.nIter)
        
        self.fig, ax = plt.subplots()
        plt.imshow(mBrot, cmap=cm.jet, extent=self.axis)
        plt.gca().set_axis_off()
        
        self.fig.canvas.mpl_disconnect(self.fig.canvas.manager.key_press_handler_id)
        self.fig.canvas.mpl_connect('button_press_event', self.OnMouse)
        self.fig.canvas.mpl_connect('button_release_event', self.OnRelease)
        self.fig.canvas.mpl_connect('scroll_event', self.OnScroll)
        
        plt.show()

    def DrawJulia(self,c0):

        z = genZ([-2,2,-2,2],800,800)
        julia = getJulia(z,c0,self.nIter)
        
        jFig,jAx = plt.subplots()
        plt.cla()
        plt.imshow(julia, cmap=cm.jet, extent=self.axis)
        plt.gca().set_axis_off()
        plt.show()
        jFig.canvas.draw_idle()
	
	#滚轮缩放
    def OnScroll(self,evt):
        x0,y0 = evt.xdata,evt.ydata

        if evt.button == "up":
            self.axis = (self.axis+[x0,x0,y0,y0])/2
        elif evt.button == 'down':
            self.axis = 2*self.axis-[x0,x0,y0,y0]

        z = genZ(self.axis,self.nx,self.ny)
        mBrot = getJulia(z,z,self.nIter)
        plt.cla()
        plt.imshow(mBrot, cmap=cm.jet, extent=self.axis)
        plt.gca().set_axis_off()
        
        mBrot[mBrot<1]==self.n0+self.nIter
        self.n0 = int(np.min(mBrot))
        self.fig.canvas.draw_idle()
        pass

    def OnMouse(self, evt):
        self.xStart = evt.xdata
        self.yStart = evt.ydata
        self.fig.canvas.draw_idle()
    
    def OnRelease(self,evt):
        x0,y0,x1,y1 = self.xStart,self.yStart,evt.xdata,evt.ydata
        if evt.button == mbb.MouseButton.LEFT:
            self.DrawJulia(x1+y1*1j)		#如果释放的是左键,那么就绘制Julia集并返回
            return
        #右键拖动,可以对Mandelbrot集进行真实的放大
        self.axis = np.array([min(x0,x1),max(x0,x1),
                             min(y0,y1),max(y0,y1)])
        
        nxny = self.axis[[1,3]]-self.axis[[0,2]]
        self.nx,self.ny = (nxny/max(nxny)*self.nMax).astype(int)
        z = genZ(self.axis,self.nx,self.ny)

        n = 100     #n为迭代次数
        mBrot = getJulia(z,z,n)
        plt.cla()
        plt.imshow(mBrot, cmap=cm.jet, extent=self.axis)
        plt.gca().set_axis_off()
        
        mBrot[mBrot<1]==self.n0+n
        self.n0 = int(np.min(mBrot))
        self.fig.canvas.draw_idle()

def genZ(axis,nx,ny):
    x0,x1,y0,y1 = axis
    x = np.linspace(x0,x1,nx)
    y = np.linspace(y0,y1,ny)
    real, img = np.meshgrid(x,y)
    z = real + img*1j
    return z

def getJulia(z,c,n,n0=0,m=2):
    t = time.time()
    c = np.zeros_like(z)+c
    out = abs(z)
    for _ in range(n0):
        z = z*z + c
    for i in range(n0,n0+n):
        absz = abs(z)
        z[absz>m]=0
        c[absz>m]=0
        out[absz>m]=i
        z = z*z + c
    print("time:",time.time()-t)
    return out

if __name__ == "__main__":
    x,y = 0,0
    brot = MandelBrot(-2,1,-1.5,1.5,1000)
  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python提供了多个库来实现交互式数据可视化展示,其中比较流行的有: 1. Matplotlib:一个基于Python的绘图库,可以绘制静态图像和动态图像。 2. Plotly:一个基于JavaScript的绘图库,可以生成交互式图表和报告。 3. Bokeh:一个基于JavaScript的绘图库,可以生成交互式的Web应用程序。 下面以Matplotlib和Plotly为例,介绍如何实现交互式数据可视化展示。 ## 使用Matplotlib绘制交互式数据可视化展示 Matplotlib提供了多个工具包,其中包括`mpld3`和`bokeh`,可以实现交互式数据可视化展示。 ### 使用mpld3 mpld3是一个Matplotlib的插件,可以将Matplotlib生成的静态图像转换为交互式图像。 安装mpld3: ```python pip install mpld3 ``` 以下是一个示例代码,可以绘制交互式的散点图: ```python import matplotlib.pyplot as plt import mpld3 # 生成数据 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # 绘制散点图 fig, ax = plt.subplots() ax.scatter(x, y) # 转换为交互式图像 mpld3.show(fig) ``` 运行代码后,会显示一个包含散点图的窗口,可以使用鼠标滚轮缩放图像,也可以单击数据点查看数据。 ### 使用bokeh bokeh是一个Python交互式可视化库,可以生成HTML、JavaScript和SVG格式的图像。 安装bokeh: ```python pip install bokeh ``` 以下是一个示例代码,可以绘制交互式的散点图: ```python from bokeh.plotting import figure, output_file, show # 设置输出文件的路径 output_file("scatter.html") # 生成数据 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # 绘制散点图 p = figure() p.scatter(x, y) # 显示图像 show(p) ``` 运行代码后,会在当前目录下生成一个名为`scatter.html`的文件,可以用浏览器打开该文件查看交互式散点图。 ## 使用Plotly绘制交互式数据可视化展示 Plotly是一个基于JavaScript的绘图库,可以生成交互式图表和报告。Plotly提供了Python、R、MATLAB和Julia等多个语言的接口。 安装Plotly: ```python pip install plotly ``` 以下是一个示例代码,可以绘制交互式的散点图: ```python import plotly.graph_objs as go import plotly.offline as pyo # 生成数据 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # 绘制散点图 data = [go.Scatter(x=x, y=y, mode='markers')] # 设置布局 layout = go.Layout(title='Scatter Plot') # 绘制图像 fig = go.Figure(data=data, layout=layout) # 显示图像 pyo.iplot(fig) ``` 运行代码后,会在浏览器上显示一个交互式散点图,可以使用鼠标滚轮缩放图像,也可以单击数据点查看数据。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

微小冷

请我喝杯咖啡

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值