python画球阵列_如何使用Matplotlib绘制流线给定的1D阵列X线，Y线，U组件和V组件...

先说一下：numpy4D到1D既便宜又快捷。在

在任何情况下，当1D向量发生在处理过程中时，np为您提供了一个强大的技巧来使用它的.view的概念。从技术上讲，您可以让numpy根据需要引用原始numpy.ndarray的一部分(或全部)，而不需要任何重复的数据单元(一旦大小增加，RAM中效率低下的数据结构停止工作，这一点非常重要)。在

你可以简单地将完整的4D | 5D | nD坐标存储在一个装备齐全的数组中，根据需要智能地引用1D-组件：XYZUV_any_dimensionalityObservationDataPointsARRAY[:,0] == ( x0, y0, z0, u0, v0 )

XYZUV_any_dimensionalityObservationDataPointsARRAY[:,1] == ( x1, y1, z1, u1, v1 )

# and still use 1D-component vectors, where appropriate ( without DUPs )

XYZUV_any_dimensionalityObservationDataPointsARRAY[0,:] == X # 0-based index

XYZUV_any_dimensionalityObservationDataPointsARRAY[1,:] == Y

XYZUV_any_dimensionalityObservationDataPointsARRAY[2,:] == Z

...

XYZUV_any_dimensionalityObservationDataPointsARRAY[4,:] == V

可以把它们粘在一起

^{pr2}$

情节

因此，一旦需要输入适当的函数语法，绘图过程仍然可以重用部分视图：

X保存为1DXYZUV[0,:] # X via a view taken: 1st column and all rows +[ NO RAM ]

Y保存为1DXYZUV[1,:] # Y via a view taken: 2st column and all rows +[ NO RAM ]

UV保存为2DXYZUV[3:5,:] # UV via a view taken at all columns in [3:5] +[ NO RAM ]

UV粘在2Dnp.vstack( ( U, V ) ) # UV via an ad-hoc *stack() will allocate +[new RAM ]