在3D Matplotlib情节脉冲传播

问题描述

我想在每个步骤绘制脉冲传播以这样的方式，它绘出脉冲形状。换句话说，我希望有一个意甲XZ地块，对于Y​​的每个值。像这样的东西（没有颜色）：

我怎样才能做到这一点使用matplotlib（或Mayavi的）？这是我做的，到目前为止：

 高清drawPropagation（β2，C，Z）：
    的Beta2的PS /公里
        C是啁啾
        z是Z轴位置数组
    T = numpy.linspace（-10，10，100）
    SX = T.size
    SY = z.size

    T = numpy.tile（T，（SY，1））
    Z = numpy.tile（Z，（SX，1））：T

    U = 1 / numpy.sqrt（1  -  1J *β2 * Z *（1 + 1J * C））* numpy.exp（ -  0.5 *（1 + 1J * C）* T * T /（1  -  1J *β2 * Z *（1 + 1J * C）））

    图= pyplot.figure（）
    AX = fig.add_subplot（1,1,1，投影='3D'）
    冲浪= ax.plot_wireframe（T，Z，ABS（U））
 

解决方案

更​​改为：

  ax.plot_wireframe（T，Z，ABS（U），cstride = 1000）
 

和调用：

  drawPropagation（1.0，1.0，numpy.linspace（-2，2，10））
 

将创建如下图：

如果您需要的曲线被用白色填充颜色：

 进口numpy的
从mpl_toolkits.mplot3d进口Axes3D
从matplotlib进口pyplot
从matplotlib.collections进口PolyCollection

高清drawPropagation（β2，C，Z）：
    的Beta2的PS /公里
        C是啁啾
        z是Z轴位置数组
    T = numpy.linspace（-10，10，100）
    SX = T.size
    SY = z.size

    T = numpy.tile（T，（SY，1））
    Z = numpy.tile（Z，（SX，1））：T

    U = 1 / numpy.sqrt（1  -  1J *β2 * Z *（1 + 1J * C））* numpy.exp（ -  0.5 *（1 + 1J * C）* T * T /（1  -  1J *β2 * Z *（1 + 1J * C）））

    图= pyplot.figure（）
    AX = fig.add_subplot（1,1,1，投影='3D'）
    U = numpy.abs（U）

    绿党= []
    在的xrange I（T.shape [0]）：
        verts.append（邮政编码（T [我，：]，U [我，：]））

    聚= PolyCollection（绿党，facecolors =（1,1,1,1），edgecolors =（0,0,1,1））
    ax.add_collection3d（聚，ZS = Z [：，0]，zdir =Y）
    ax.set_xlim3d（numpy.min（T），numpy.max（T））
    ax.set_ylim3d（numpy.min（z）的，numpy.max（z）的）
    ax.set_zlim3d（numpy.min（U），numpy.max（U））

drawPropagation（1.0，1.0，numpy.linspace（-2，2，10））
pyplot.show（）
 

I'd like to plot pulse propagation in such a way at each step, it plots the pulse shape. In other words, I want a serie of x-z plots, for each values of y. Something like this (without color):

How can I do this using matplotlib (or Mayavi)? Here is what I did so far:

def drawPropagation(beta2, C, z):
    """ beta2 in ps / km
        C is chirp
        z is an array of z positions """
    T = numpy.linspace(-10, 10, 100)
    sx = T.size
    sy = z.size

    T = numpy.tile(T, (sy, 1))
    z = numpy.tile(z, (sx, 1)).T

    U = 1 / numpy.sqrt(1 - 1j*beta2*z * (1 + 1j * C)) * numpy.exp(- 0.5 * (1 + 1j * C) * T * T / (1 - 1j*beta2*z*(1 + 1j*C)))

    fig = pyplot.figure()
    ax = fig.add_subplot(1,1,1, projection='3d')
    surf = ax.plot_wireframe(T, z, abs(U))

解决方案

Change to:

ax.plot_wireframe(T, z, abs(U), cstride=1000)

and call:

drawPropagation(1.0, 1.0, numpy.linspace(-2, 2, 10))

will create the following graph:

If you need the curve been filled with white color:

import numpy
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import pyplot
from matplotlib.collections import PolyCollection

def drawPropagation(beta2, C, z):
    """ beta2 in ps / km
        C is chirp
        z is an array of z positions """
    T = numpy.linspace(-10, 10, 100)
    sx = T.size
    sy = z.size

    T = numpy.tile(T, (sy, 1))
    z = numpy.tile(z, (sx, 1)).T

    U = 1 / numpy.sqrt(1 - 1j*beta2*z * (1 + 1j * C)) * numpy.exp(- 0.5 * (1 + 1j * C) * T * T / (1 - 1j*beta2*z*(1 + 1j*C)))

    fig = pyplot.figure()
    ax = fig.add_subplot(1,1,1, projection='3d')
    U = numpy.abs(U)

    verts = []
    for i in xrange(T.shape[0]):
        verts.append(zip(T[i, :], U[i, :]))

    poly = PolyCollection(verts, facecolors=(1,1,1,1), edgecolors=(0,0,1,1))
    ax.add_collection3d(poly, zs=z[:, 0], zdir='y')
    ax.set_xlim3d(numpy.min(T), numpy.max(T))
    ax.set_ylim3d(numpy.min(z), numpy.max(z))
    ax.set_zlim3d(numpy.min(U), numpy.max(U))

drawPropagation(1.0, 1.0, numpy.linspace(-2, 2, 10))
pyplot.show()

这篇关于在3D Matplotlib情节脉冲传播的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！