Python 绘制大量数据点

我遇到了一个奇怪的问题：当我将一个非线性方程中的大量数据点存储到3个数组（x、y和z）中，然后尝试将它们绘制在二维图中（θ-φ图，因此是二维图）

我试图通过每20个数据点的采样点来消除需要绘制的点，因为z数据是近似周期性的。我选取了z值略高于零的点，以确保每个周期选取一个点

当我尝试做上述工作时，问题出现了。我在图表上得到的点数非常有限，大约为152点，不管我如何改变我的初始数据点数（当然，只要它超过了一定数量）。

我怀疑可能是我错误地使用了某些命令，或者阵列的容量比我预期的小（似乎不太可能），有人能帮我找出问题出在哪里吗

def drawstaticplot(m,n, d_n, n_o):
    counter=0
    for i in range(0,m):
        n=vector.rungekutta1(n, d_n)
        d_n=vector.rungekutta2(n, d_n, i)
        x1 = n[0]    
        y1 = n[1]
        z1 = n[2]
        if i%20==0:
            xarray.append(x1)
            yarray.append(y1)
            zarray.append(z1)
    for j in range(0,(m/20)-20):
        if (((zarray[j]-n_o)>0) and ((zarray[j+1]-n_o)<0)):
           counter= counter +1
           print zarray[j]-n_o,counter
           plotthetaphi(xarray[j],yarray[j],zarray[j])

def plotthetaphi(x,y,z):
    phi= math.acos(z/math.sqrt(x**2+y**2+z**2))
    theta = math.acos(x/math.sqrt(x**2 + y**2))
    plot(theta, phi,'.',color='red')

def drawstaticplot（m，n，d_n，n_o）：
计数器=0
对于范围（0，m）内的i：
n=向量rungekutta1（n，d_n）
d_n=向量rungekutta2（n，d_n，i）
x1=n[0]
y1=n[1]
z1=n[2]
如果i%20==0：
xarray.append（x1）
yarray.append（y1）
zarray.append（z1）
对于范围为（0，（m/20）-20的j：
如果（（zarray[j]-n_o）>0）和（（zarray[j+1]-n_o），您可以使用此处建议的方法：
e、 g.直方图中的点过多和密度较低的点。
或者也可以对matplotlib使用光栅化标志，这会加快matplotlib的速度。

我仍在调查您的问题，但请注意：

您可以执行以下操作，而不是循环并附加到数组：

def drawstaticplot(new_m,n, d_n, n_o):
    # create the storage based on n,
    # notice i assumed that rungekutta, returns n the size of new_m, 
    # but you can change it.
    x,y,z = np.zeros(n.shape[0]),np.zeros(n.shape[0]), np.zeros(n.shape[0])

for idx, itme in enumerate(new_m): # notice the function enumerate, make it your friend!
    n=vector.rungekutta1(n, d_n)
    d_n=vector.rungekutta2(n, d_n, ite,)
    x1 = n[0]    
    y1 = n[1]
    z1 = n[2]
    #if i%20==0: # we don't need to check for the 20th element, m is already filtered...
    xarray[idx] = n[0]
    yarray[idx] = n[1]
    zarray[idx] = n[2]
    # is the second loop necessary?
    if (((zarray[idx]-n_o)>0) and ((zarray[j+1]-n_o)<0)): 
       print zarray[idx]-n_o,counter
       plotthetaphi(xarray[idx],yarray[idx],zarray[idx])

    

选择每个第n个元素：
因此，不是计算m的所有元素的runga kutta：

new_m = m[::20] # select every element of m.

现在按如下方式调用函数：

def drawstaticplot(new_m,n, d_n, n_o):
    n=vector.rungekutta1(n, d_n)
    d_n=vector.rungekutta2(n, d_n, i)
    x1 = n[0]    
    y1 = n[1]
    z1 = n[2]
    xarray.append(x1)
    yarray.append(y1)
    zarray.append(z1)
    ...

关于在大型数据集上追加和迭代：
append
通常速度较慢，因为它复制整个数组，然后
堆叠新元素。相反，您已经知道n的大小，因此可以执行以下操作：

def drawstaticplot(new_m,n, d_n, n_o):
    # create the storage based on n,
    # notice i assumed that rungekutta, returns n the size of new_m, 
    # but you can change it.
    x,y,z = np.zeros(n.shape[0]),np.zeros(n.shape[0]), np.zeros(n.shape[0])

for idx, itme in enumerate(new_m): # notice the function enumerate, make it your friend!
    n=vector.rungekutta1(n, d_n)
    d_n=vector.rungekutta2(n, d_n, ite,)
    x1 = n[0]    
    y1 = n[1]
    z1 = n[2]
    #if i%20==0: # we don't need to check for the 20th element, m is already filtered...
    xarray[idx] = n[0]
    yarray[idx] = n[1]
    zarray[idx] = n[2]
    # is the second loop necessary?
    if (((zarray[idx]-n_o)>0) and ((zarray[j+1]-n_o)<0)): 
       print zarray[idx]-n_o,counter
       plotthetaphi(xarray[idx],yarray[idx],zarray[idx])

    

def drawstaticplot（新的、新的、新的、新的）：
#基于n创建存储，
#注意，我假设rungekutta返回n的大小为new_m，
#但你可以改变它。
x、 y，z=np.zero（n.shape[0]），np.zero（n.shape[0]），np.zero（n.shape[0]）
对于idx，在enumerate（new#m）中使用itme:#注意函数enumerate，让它成为您的朋友！
n=向量rungekutta1（n，d_n）
d_n=vector.rungekutta2（n，d_n，ite，）
x1=n[0]
y1=n[1]
z1=n[2]
#如果i%20==0:#我们不需要检查第20个元素，m已经被过滤了。。。
xarray[idx]=n[0]
雅雷[idx]=n[1]
zarray[idx]=n[2]
#第二个循环是否必要？
if（（zarray[idx]-n_o）>0）和（（zarray[j+1]-n_o）嗯，你的缩进在我看来很奇怪——应该是四个空格，但看看你的
if（（zarray[j]
行是。使用
-tt
运行程序，例如
python-tt yourprogramname.py
，以排除制表符/空格错误。我也不确定我是否理解
j
循环在做什么。I-loop创建3个数组，每20个点采样一个点，然后将其放入数组中。j-loop只考虑那些选中的点，因此其尺寸为“m/20”。我想为z的每个周期选择一个点，所以在z数据从正值变为负值的情况下，我选择略高于零的z数据。你有别名问题。按其他顺序循环，我打赌你会得到更多的点。另外，请考虑使用numpy内置项。@DSM：你是对的，我不是思考清楚。j-loop不直接受i-loop的影响，我不需要说得太远。我不确定这是否有帮助，但我会在这里放上我可运行的完整代码。：p这个想法是绘制一个小的旋转顶端动画，并尝试分析它的运动。感谢你提供了选择第n个数字的有用技巧，但是我所有的n和d\n表示旋转顶端的位置和速度矢量。在每一步中，它都是由最后一步生成的，所以我恐怕还需要计算完整的序列。@Yi ShiuanHuang，它确实有用，它省去了很多猜测。谢谢你的帮助，我对编程还是新手。我一定已经犯了很多noob错误。：p和一些代码b从其他地方借来的，所以在某种程度上有点混乱。