如何用Python中的给定数据绘制对数图？

嗯，我真的不知道如何恰当地问这个问题，但问题是。我有一些代码为我生成数据。从0.1到2017年，我有100个雷诺数，在每个雷诺数下，10.000单元的剪切应力值。所以我希望x轴上的雷诺数和y轴上的剪切应力（从0.001到10）都是对数标度，这10.000个元素将是图表上的点。所以我在图上总共有10万个点

在该代码中，我为每个雷诺数生成0.1到2017的Re和10个单元的剪切应力值。所以在x轴上0.1，我需要有10个点。所以我找了一下，但没找到。那我怎么做呢

n=np.随机.正常（平均值，标准差，100）
对于范围（0，105）内的i：
Re=0.1*（1.1**i）
B=e**（-0.08*Re）*（2.5*np.log（Re）+5.25）+8.5*（1-e**（-0.08*Re））
C=0.8+0.9*（（e**（-0.08*Re）/（Re**2））+（（1-e**（-0.08*Re））/（B**2））**（-0.5）
F=0.31*Re*e**（-0.1*Re）+1.8*e**（-0.88*d50/D）*（1-e**（-0.1*Re））
A=F/C
对于范围（10）内的j：
Dcbss=0.52*数学tan（fi）/（（1+（abs（n[j]）*A））**2）*（1+（1/2.5）*（（abs（n[j]）*F）**2）*数学tan（fi）））

使用一个。对于每个雷诺数，有n个应力值。散点图需要与y值一样多的x值，因此必须创建与y值长度相同的x值序列

x = [1,1,1,1]
y = [1,2,3,4]

如果有多组x/y数据，可以像这样手动绘制

x = [1,1,1,1]
y = [1,2,3,4]
plt.scatter(x,y)

x = [2,2,2,2]
y = [1.1,2.1,3.1,4.1]
plt.scatter(x,y)

plt.show()
plt.close()

对于您的情况，您希望在内部循环中累积x和y值，并在内部循环终止时绘制它们

from matplotlib import pyplot as plt
for i in range(0, 105):
    x = []
    y = []
    Re = 0.1 * (1.1**i)  
    B = e ** (-0.08 * Re) * (2.5 * np.log(Re) + 5.25) + 8.5 * (1 - e ** (-0.08 * Re))  
    C = 0.8+0.9*((e**(-0.08*Re)/(Re**2))+((1-e**(-0.08*Re))/(B**2)))**(-0.5)  
    F = 0.31*Re*e**(-0.1*Re)+1.8*e**(-0.88*d50/D)*(1-e**(-0.1*Re)) 
    A = F/C   
    for j in range(10):
        Dcbss = 0.52*math.tan(fi) / (((1 + (abs(n[j])*A))**2)*(1+(1/2.5)*((abs(n[j])*F)**2)*math.tan(fi)))
        x.append(i)
        y.append(Dcbss)
    plt.scatter(x,y)
plt.show()
plt.close()

---

从文档中：

对于标记大小或颜色不变的散点图，绘图功能将更快。

。如果是这种情况，只需使用.plot（）并指定标记形状-

plt.plot（x，y，'ro'）

而不是

plt.scatter（x，y）

---

使用一个。对于每个雷诺数，有n个应力值。散点图需要与y值一样多的x值，因此必须创建与y值长度相同的x值序列

x = [1,1,1,1]
y = [1,2,3,4]

如果有多组x/y数据，可以像这样手动绘制

x = [1,1,1,1]
y = [1,2,3,4]
plt.scatter(x,y)

x = [2,2,2,2]
y = [1.1,2.1,3.1,4.1]
plt.scatter(x,y)

plt.show()
plt.close()

对于您的情况，您希望在内部循环中累积x和y值，并在内部循环终止时绘制它们

from matplotlib import pyplot as plt
for i in range(0, 105):
    x = []
    y = []
    Re = 0.1 * (1.1**i)  
    B = e ** (-0.08 * Re) * (2.5 * np.log(Re) + 5.25) + 8.5 * (1 - e ** (-0.08 * Re))  
    C = 0.8+0.9*((e**(-0.08*Re)/(Re**2))+((1-e**(-0.08*Re))/(B**2)))**(-0.5)  
    F = 0.31*Re*e**(-0.1*Re)+1.8*e**(-0.88*d50/D)*(1-e**(-0.1*Re)) 
    A = F/C   
    for j in range(10):
        Dcbss = 0.52*math.tan(fi) / (((1 + (abs(n[j])*A))**2)*(1+(1/2.5)*((abs(n[j])*F)**2)*math.tan(fi)))
        x.append(i)
        y.append(Dcbss)
    plt.scatter(x,y)
plt.show()
plt.close()

---

从文档中：

对于标记大小或颜色不变的散点图，绘图功能将更快。

。如果是这种情况，只需使用.plot（）并指定标记形状-

plt.plot（x，y，'ro'）

而不是

plt.scatter（x，y）

---

---

您正在使用变量

mean

和

sd

来创建一些数据。你能在你的例子中包含一些合适的值吗？你看过了吗？你只需要知道如何创建一个@wwii吗？在这个问题上，它们并不那么重要。平均值为0，标准差为1。我想不清楚你问的是什么。您是否只需要知道如何绘制数据？每x值10个y值？有点。我只是不知道这些数据会如何匹配。当我看这些例子时，他们是分开写的。但是在本文中，我不能单独编写它们，因为它们是随机的，而且太多了。您正在使用变量

mean

和

sd

来创建一些数据。你能在你的例子中包含一些合适的值吗？你看过了吗？你只需要知道如何创建一个@wwii吗？在这个问题上，它们并不那么重要。平均值为0，标准差为1。我想不清楚你问的是什么。您是否只需要知道如何绘制数据？每x值10个y值？有点。我只是不知道这些数据会如何匹配。当我看这些例子时，他们是分开写的。但在这篇文章中，我不能把它们分开写，因为它们是随机的，而且太多了。