Python 3.x python中的磁偶极子

我看了看：

如下图所示：

有可能得到一条力线的坐标吗？我不明白它是如何打印的。

返回一个包含两部分的容器对象“StreamplotSet”：

• 线：流线的线集合
• 箭头：包含FancyRowPatch对象的补丁集合（这些是三角形箭头）

c.lines.get_path（）

给出所有段。通过迭代这些段，可以检查它们的顶点。当一段从上一段结束的地方开始时，两段都属于同一条曲线。请注意，每段都是一条短直线；许多线段一起使用以形成流线曲线

下面的代码演示如何迭代这些段。为了显示正在发生的情况，将每个线段转换为适合于

plt.plot

的2D点阵列。默认情况下，

plt.plot

使用新颜色为每条曲线着色（每10次重复一次）。点显示每个短直线段的位置

要找到一条特定的曲线，可以将鼠标悬停在起点上，并记下该点的x坐标。然后测试代码中的坐标。例如，在

x=0.48附近开始的曲线以特殊方式绘制

将numpy导入为np
从matplotlib导入pyplot作为plt
从matplotlib导入修补程序
def偶极子（m、r、r0）：
R=np.减法（np.转置（R），r0）.T
norm_R=np.sqrt（np.einsum（“i…，i…”，R，R））
m_dot_R=np.tensordot（m，R，轴=1）
B=3*m\u点\u R*R/norm\u R**5-np.tensordot（m，1/norm\u R**3，轴=0）
B*=1e-7
返回B
X=np.linspace（-1,1）
Y=np.linspace（-1,1）
Bx，By=偶极子（m=[0,1]，r=np.meshgrid（X，Y），r0=[-0.2,0.8]）
plt.图（figsize=（8,8））
c=plt.流线图（X，Y，Bx，By）
c、 行。设置_可见（假）
路径=c.lines.get_路径（）
上一次结束=无
开始索引=[]
对于索引，枚举中的段（路径）：
如果不是np.array_equal（上一个端点，段顶点[0]）：#新段
开始索引。追加（索引）
prev_end=段顶点[-1]
对于i0，zip中的i1（开始索引，开始索引[1::]+[len（路径）]：
#获取从索引i0开始的曲线的所有点
curve=np.array（[paths[i]。范围（i0，i1）]中i的顶点[0]+[paths[i1-1]。顶点[-1]]））
特殊坐标=0.48
对于i0，zip中的i1（开始索引，开始索引[1::]+[len（路径）]：
#获取从索引i0开始的曲线的所有点
curve=np.array（[paths[i]。范围（i0，i1）]中i的顶点[0]+[paths[i1-1]。顶点[-1]]））
如果abs（曲线[0,0]-特殊坐标）<0.01:#以特殊方式绘制一条曲线
plt.绘图（曲线[：，0]，曲线[：，1]，“-”，lw=10，alpha=0.3）
其他：
plt.plot（曲线[：，0]，曲线[：，1]，'.'，ls='-'））
利润率（0,0）
plt.show（）

一种方法是在绘图上单击鼠标获取：。或者你想打印坐标，你需要知道种子坐标。我想得到一个坐标列表，从图中画出一条线。这能回答你的问题吗？非常感谢你。来自
打印（c.lines.get_path（）[5]）
的信息意味着什么？它给出：
路径（数组（[[-0.78391976，-0.83498001]，-0.73309273，-0.78981674]），无）
如何绘制它？当我绘制它时，它是一条直线。如何绘制曲线？它们都是非常短的线段。如果需要整条曲线，则需要收集一条曲线的所有短线段（使用此测试：线段的起点等于上一条线段的终点）。如果你需要更弯曲的东西，你可以从这些点创建一个splne。请问splne是什么意思？谢谢，a可以在点之间进行平滑插值。但您可能不需要它们，因为streamplot的段已经很短了。
import numpy as np
from matplotlib import pyplot as plt

def dipole(m, r, r0):
    """
    Calculation of field B in point r. B is created by a dipole moment m located in r0.
    """
# R = r - r0 - subtraction of elements of vectors r and r0, transposition of array
    R = np.subtract(np.transpose(r), r0).T
# Spatial components of r are the outermost axis
    norm_R = np.sqrt(np.einsum("i...,i...", R, R)) # einsum - Einsteinova sumace
# Dot product of R and m
    m_dot_R = np.tensordot(m, R, axes=1)
# Computation of B
    B = 3 * m_dot_R * R / norm_R**5 - np.tensordot(m, 1 / norm_R**3, axes=0)
    B *= 1e-7   # abbreviation for B = B * 1e-7, multiplication B of 1e-7, permeability of vacuum: 4\pi * 10^(-7)
# The result is the magnetic field B
    return B

X = np.linspace(-1, 1)
Y = np.linspace(-1, 1)

Bx, By = dipole(m=[0, 1], r=np.meshgrid(X, Y), r0=[-0.2,0.8])

plt.figure(figsize=(8, 8))
plt.streamplot(X, Y, Bx, By)
plt.margins(0, 0)

plt.show()