python 粒子动画_python-盒子中有很多粒子-物理模拟

我目前正在尝试模拟盒子周围弹跳的许多粒子.

我考虑了@kalhartt的建议,这是改进的代码,用于初始化框内的粒子:

import numpy as np

import scipy.spatial.distance as d

import matplotlib.pyplot as plt

# 2D container parameters

# Actual container is 50x50 but chose 49x49 to account for particle radius.

limit_x = 20

limit_y = 20

#Number and radius of particles

number_of_particles = 350

radius = 1

def force_init(n):

# equivalent to np.array(list(range(number_of_particles)))

count = np.linspace(0, number_of_particles-1, number_of_particles)

x = (count + 2) % (limit_x-1) + radius

y = (count + 2) / (limit_x-1) + radius

return np.column_stack((x, y))

position = force_init(number_of_particles)

velocity = np.random.randn(number_of_particles, 2)

初始化的位置如下所示:

初始化粒子后,我想在每个时间步更新它们.用于更新的代码立即遵循先前的代码,如下所示:

# Updating

while np.amax(abs(velocity)) > 0.01:

# Assume that velocity slowly dying out

position += velocity

velocity *= 0.995

#Get pair-wise distance matrix

pair_dist = d.cdist(position, position)

pair_d = pair_dist<=4

#If pdist [i,j] is <=4 then the particles are too close and so treat as collision

for i in range(len(pair_d)):

for j in range(i):

# Only looking at upper triangular matrix (not inc. diagonal)

if pair_d[i,j] ==True:

# If two particles are too close then swap velocities

# It's a bad hack but it'll work for now.

vel_1 = velocity[j][:]

velocity[j] = velocity[i][:]*0.9

velocity[i] = vel_1*0.9

# Masks for particles beyond the boundary

xmax = position[:, 0] > limit_x

xmin = position[:, 0] < 0

ymax = position[:, 1] > limit_y

ymin = position[:, 1] < 0

# flip velocity and assume that it looses 10% of energy

velocity[xmax | xmin, 0] *= -0.9

velocity[ymax | ymin, 1] *= -0.9

# Force maximum positions of being +/- 2*radius from edge

position[xmax, 0] = limit_x-2*radius

position[xmin, 0] = 2*radius

position[ymax, 0] = limit_y-2*radius

position[ymin, 0] = 2*radius

更新它并使其运行完成后,我得到以下结果:

这比以前要好得多,但是仍然有一些补丁之间的距离太近-例如:

太近了.我认为更新是有效的…感谢@kalhartt,我的代码更好,更快了(而且我学到了有关numpy … props @kalhartt的一些知识),但我仍然不知道它在哪里搞砸了.我尝试更改实际更新的顺序,其中成对距离最后一次或position = velocity最后一次但无济于事.我添加了* 0.9以使整个过程更快消失,并尝试使用4来确保2 *半径(= 2)不太严格…但是似乎没有任何效果.

任何和所有帮助将不胜感激.

解决方法:

仅有两种错字妨碍您前进.首先是范围(len(position)/ 2)中的i:仅迭代一半以上的粒子.这就是为什么一半的粒子保留在x边界中的原因(如果您观察较大的迭代,则更清晰).第二,第二个y条件应为最小(我假设)position [i] [1]< 0.下面的块为我绑定了粒子(我没有使用碰撞代码进行测试,因此可能存在问题).

for i in range(len(position)):

if position[i][0] > limit_x or position[i][0] < 0:

velocity[i][0] = -velocity[i][0]

if position[i][1] > limit_y or position[i][1] < 0:

velocity[i][1] = -velocity[i][1]

顺便说一句,尝试尽可能利用numpy消除循环.它更快,更高效,并且在我看来更具可读性.例如,force_init看起来像这样:

def force_init(n):

# equivalent to np.array(list(range(number_of_particles)))

count = np.linspace(0, number_of_particles-1, number_of_particles)

x = (count * 2) % limit_x + radius

y = (count * 2) / limit_x + radius

return np.column_stack((x, y))

您的边界条件将如下所示:

while np.amax(abs(velocity)) > 0.01:

position += velocity

velocity *= 0.995

# Masks for particles beyond the boundary

xmax = position[:, 0] > limit_x

xmin = position[:, 0] < 0

ymax = position[:, 1] > limit_y

ymin = position[:, 1] < 0

# flip velocity

velocity[xmax | xmin, 0] *= -1

velocity[ymax | ymin, 1] *= -1

最后说明,用position [xmax,0] = limit_x之类的东西将位置硬剪切到边界框可能是一个好主意. position [xmin,0] =0.在某些情况下,速度较小,框外的粒子将被反射,但在下一次迭代中不会进入框内.因此它将永远位于被永久反射的盒子外面.

编辑:碰撞

碰撞检测是一个困难得多的问题,但让我们看看我们能做什么.让我们看一下您当前的实现.

pair_dist = d.cdist(position, position)

pair_d = pair_dist<=4

for i in range(len(pair_d)):

for j in range(i):

# Only looking at upper triangular matrix (not inc. diagonal)

if pair_d[i,j] ==True:

# If two particles are too close then swap velocities

# It's a bad hack but it'll work for now.

vel_1 = velocity[j][:]

velocity[j] = velocity[i][:]*0.9

velocity[i] = vel_1*0.9

总体而言,这是一个非常好的方法,cdist将有效地计算距离

在点集之间,您会发现哪些点与pair_d = pair_dist< = 4发生碰撞.

嵌套的for循环是第一个问题.我们需要遍历pair_d的True值,其中j>一世.首先,您的代码实际上通过在range(i)中使用j来遍历较低的三角形区域. i,在这种情况下并不特别重要,因为不会重复i,j对.但是Numpy有两个内置函数可以替代,np.triu可以将对角线以下的所有值都设置为0,而np.nonzero可以为矩阵提供非零元素的索引.所以这:

pair_dist = d.cdist(position, position)

pair_d = pair_dist<=4

for i in range(len(pair_d)):

for j in range(i+1, len(pair_d)):

if pair_d[i, j]:

...

相当于

pair_dist = d.cdist(position, position)

pair_d = np.triu(pair_dist<=4, k=1) # k=1 to exclude the diagonal

for i, j in zip(*np.nonzero(pair_d)):

...

第二个问题(如您所述)是速度只是被切换和缩放而不是被反映.我们真正想要做的是沿连接它们的轴求和否定每个粒子速度的分量.请注意,要做到这一点,我们将需要将它们连接到位置[j]-position [i]的向量和连接它们的向量的长度(我们已经计算出).因此,不幸的是,部分cdist计算被重复了.让我们退出使用cdist并自己做.这里的目标是制作两个数组diff和norm,其中diff [i] [j]是从粒子i指向j的向量(因此diff是3D数组),而norm [i] [j]是粒子i之间的距离和j.我们可以这样用numpy做到这一点:

nop = number_of_particles

# Give pos a 3rd index so we can use np.repeat below

# equivalent to `pos3d = np.array([ position ])

pos3d = position.reshape(1, nop, 2)

# 3D arras with a repeated index so we can form combinations

# diff_i[i][j] = position[i] (for all j)

# diff_j[i][j] = position[j] (for all i)

diff_i = np.repeat(pos3d, nop, axis=1).reshape(nop, nop, 2)

diff_j = np.repeat(pos3d, nop, axis=0)

# diff[i][j] = vector pointing from position[i] to position[j]

diff = diff_j - diff_i

# norm[i][j] = sqrt( diff[i][j]**2 )

norm = np.linalg.norm(diff, axis=2)

# check for collisions and take the region above the diagonal

collided = np.triu(norm < radius, k=1)

for i, j in zip(*np.nonzero(collided)):

# unit vector from i to j

unit = diff[i][j] / norm[i][j]

# flip velocity

velocity[i] -= 1.9 * np.dot(unit, velocity[i]) * unit

velocity[j] -= 1.9 * np.dot(unit, velocity[j]) * unit

# push particle j to be radius units from i

# This isn't particularly effective when 3+ points are close together

position[j] += (radius - norm[i][j]) * unit

...

由于这篇文章已经足够长了,我对代码的修改here is a gist.

标签:scipy,python-2-7,physics,python,numpy

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/504301.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【LeetCode笔记】剑指 Offer 47. 礼物的最大价值(Java、动态规划)

文章目录题目描述思路 && 代码1. 常规动规 O(n2n^2n2) 、O(n2n^2n2)2. 滚动数组法 O(n2n^2n2) 、O(nnn)原地操作O(n2n^2n2) 、O(111)题目描述 一眼动态规划啦~ 思路 && 代码 1. 常规动规 O(n2n^2n2) 、O(n2n^2n2) dp[i][j]: 对应位置 grid[i - 1][j - 1] …

python正则表达式生成器_Python学习之路-装饰器生成器正则表达式

装饰器通俗的讲&#xff0c;装饰器就是在不改变源代码基础上&#xff0c;给源代码增加新功能。不改变函数的源代码、调用方式、返回值等&#xff0c;给函数增加新功能。经典案例&#xff1a;登录装饰器&#xff0c;def login_decorator(func):def inner():if USER_TEMP["s…

【LeetCode笔记】剑指 Offer 93. 复原 IP 地址(Java、DFS、字符串)

文章目录题目描述二刷打卡第七天&#xff5e; 也是很常考的一道题了&#xff01;感觉和把数字翻译成字符串这道题很像&#xff0c;也都可以用 DFS 来做 题目描述 还是定义全局的 list&#xff0c;在 DFS 的过程不断维护 list递归结束的情况&#xff1a;已经凑够四个数字&am…

水电图wp表示什么_装修水电工入门基础知识,刚入行不懂不用急?老师傅告诉你怎么做...

装修水电工泛指室內装饰装潢水电安装工人&#xff0c;作为装修水电工&#xff0c;不但要懂得水电安装的基本技术规范&#xff0c;施工顺序&#xff0c;验收常识。在施工中&#xff0c;还得与硬装部分的木工、瓦工、腻子工等工种相互配合安装&#xff0c;及软装部分的壁纸工、布…

【LeetCode笔记】剑指 Offer 44. 数字序列中某一位的数字(Java、偏数学)

文章目录题目描述思路 && 代码题目描述 比较偏数学的一道题。。众所周知这类题代码量都不大&#xff0c;但是就是难想 思路 && 代码 这篇题解写得很好&#xff5e;建议还是直接看上面的题解&#xff08;结合图更好理解&#xff09;&#xff0c;这边我只是…

python pandas库 画图_python绘图:matplotlib和pandas的应用

python绘图&#xff1a;matplotlib和pandas的应用在进行数据分析时&#xff0c;绘图是必不可少的模式探索方式。用Python进行数据分析时&#xff0c;matplotlib和pandas是最常用到的两个库。1、matplotlib库的应用准备工作如下&#xff1a;打开ipython&#xff0c;输入命令分别…

【LeetCode笔记】剑指 Offer 14. 剪绳子 I II(Java、动态规划、偏数学)

文章目录剪绳子 I题目描述思路 && 代码1. 动态规划 O(n2n^2n2)、O(n)2. 最优解&#xff1a;数学方法 O(n)、O(1)二刷剪绳子 II题目描述思路 && 代码二刷剪绳子 I 题目描述 还是比较偏数学的一道题&#xff0c;通过获取结论来获得最优解 思路 && 代…

pythonui自动化测试平台_django+appium实现UI自动化测试平台(开源部分,可定制开发)...

背景UI自动化&#xff0c;在进行的过程中&#xff0c;难免会遇到平台化&#xff0c;在实际的工作中&#xff0c;有的领导也会想要实现自动化测试的平台化。自动化平台化后&#xff0c;有了更为实际的成果&#xff0c;在做UI自动化&#xff0c;很想吧现在的自动化的框架进行平台…

python算法题排序_python-数据结构与算法- 面试常考排序算法题-快排-冒泡-堆排-二分-选择等...

算法可视化网站推荐---->visualgo0.面试题中的排序算法一些排序算法可能在工作中用的会比较少&#xff0c;但是面试却是不得不面对的问题。算法有助于提高我们对数据结构的理解以及提高自己的逻辑能力&#xff0c;没事刷刷真的不错。1.快排面试最推荐而且也是写的最多的快排…

【LeetCode笔记】31. 下一个排列(Java、原地算法、偏数学)

文章目录题目描述思路 && 代码二刷打卡第八天&#xff5e; 题目描述 需要花点时间思考的一道题&#xff0c;这篇题解写得很好。 思路 && 代码 主要分为这三个步骤&#xff1a; 从后往前找到满足 nums[first] < nums[first 1] 的索引 first从后往前找到…

【LeetCode笔记】剑指Offer 43. 1~n 整数中1出现的次数(Java、数位dp、偏数学)

文章目录题目描述思路 && 代码二刷打卡第九天啦&#xff5e; 题目描述 有点像数字序列中的某一位 思路 && 代码 主体思路&#xff1a;从低到高&#xff0c;计算出每一位出现的1的个数。三种情况&#xff1a;n的当前位为0、为1、为其他值。这里和数位dp的思…

wsadata wsadata;为什么不通过_注册公司之公司名称核准,知道为什么你的核名一直不通过吗?...

您可能会问&#xff0c;公司名字为什么要先“核名”&#xff1f;所有公司名字&#xff0c;必须经过工商局审核&#xff0c;审核通过才能使用&#xff01;注册公司的第一步就是为公司起一个好听又有内涵的名字&#xff0c;实际注册时往往核名很难通过&#xff0c;今天就来聊聊注…

【LeetCode笔记】剑指Offer 51. 数组中的逆序对(Java、分治)

题目描述 多说无益&#xff5e;直接冲代码吧&#xff01; 思路 && 代码 1. 暴力 O(n2n^2n2) 乍一看这题目&#xff0c;很难不直接用暴力法冲一冲&#xff08;也就双层循环的事&#xff09;但是不出意料地超时啦&#xff5e;想一想&#xff0c;O(n2n^2n2)会超时&am…

python云计算服务_python 云计算平台

{"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":6,"count":6}]},"card":[{"des":"云服务器 ECS(Elastic Compute Service)是一…

【LeetCode笔记】剑指Offer 59. I 滑动窗口的最大值(Java、单调队列)

文章目录题目描述思路 && 代码1. 暴力法 O(n2n^2n2) && O(1)2. 单调队列辅助 O(n) && O(n)二刷打卡第十天&#xff5e; 题目描述 久违的滑动窗口题&#xff01; 思路 && 代码 1. 暴力法 O(n2n^2n2) && O(1) 老规矩&#xff0c;先…

python args kwargs 理解_*args和**kwargs在python中的作用

我发现PYTHON新手在理解*args和**kwargs这两个魔法变量的时候有些困难。他们到底是什么呢&#xff1f;首先&#xff0c;我先告诉大家一件事情&#xff0c;完整地写*args和**kwargs是不必要的&#xff0c;我们可以只写*和**。你也可以写*var和**vars。写*args和**kwargs只是一个…

【LeetCode笔记】剑指Offer 41. 数据流中的中位数(Java、堆、优先队列、知识点)

文章目录题目描述知识点1. 优先队列2. Java 中 queue 的 offer、poll 等区别思路 && 代码二刷打卡第十一天&#xff5e; 题目描述 虽然但是&#xff0c;这是一道很nice的题目&#xff08;涉及的知识点、运用很实用&#xff0c;见知识点模块&#xff09; 知识点 1.…

python合并视频和音频_真没想到,Python 还能实现 5 毛特效

作者 | ZackSock来源 | ZackSock(ID:ZackSock)Python牛已经不是一天两天的事了&#xff0c;但是我开始也没想到&#xff0c;Python能这么牛。前段时间接触了一个批量抠图的模型库&#xff0c;而后在一些视频中找到灵感&#xff0c;觉得应该可以通过抠图的方式&#xff0c;给视频…

【前端知识学习】HTML5 学习笔记

文章目录一. 简介与基本信息1. W3C 标准2. HTML基本结构3. 网页基本信息4. 网页基本标签5. 媒体元素二. 网页结构与框架1. 页面结构2. iframe 内联框架3. 表单这是狂神的HTML教学的笔记。从今天开始转行前端 主要是为了把简历写得更好看 &#xff0c;因此部分地方会比较省略&am…

高大上的集团名字_那些刚改了“高大上”名字的学校,你知道都有哪些吗?蜻蜓AI小编来帮你科普一下...

升学心里没底&#xff0c;蜻蜓探长帮你&#xff01;家长和考生想必在报考之前都会对院校进行一定的了解&#xff0c;所谓的了解&#xff0c;不过是在官网上查一查学校的院校最低分数和专业最低分数。最容易看到的往往是这个院校最表面的东西&#xff0c;然而我们对院校的了解只…