使用np.meshgrid与matplotlib的ax.pcolormesh可视化飞行时间实验数据出错

错误原因分析 #

结合你的描述和飞行时间（ToF）可视化的常见问题，问题大概率出在以下两点：

1. pcolormesh的网格边界不匹配
   pcolormesh是基于单元格边界坐标绘制的，若你直接用能量的中心值计算ToF并作为X轴坐标，会导致网格顶点位置偏移——尤其是低能区（对应长ToF），因为能量与ToF是平方根反比关系，低能区的ToF变化率远高于高能区，中心值与边界值的差异被放大，最终出现右上角顶点错位的问题。
2. 飞行时间与能量的转换逻辑可能存在误差
   若ToF的计算公式推导错误（比如单位转换遗漏、常数使用错误），会直接导致坐标计算偏差，且低能区的ToF数值更大，误差表现更明显。

修复方案 #

1. 修正网格生成逻辑 #

改用能量的边界值生成ToF网格，确保pcolormesh的单元格边界与物理坐标完全对应：

import numpy as np
import matplotlib.pyplot as plt

# 实验参数
flight_length = 10  # 中子飞行距离，单位：米
E_min = 1  # 最小能量，单位：eV
E_max = 100  # 最大能量，单位：eV
num_bins = 100  # 能量分箱数

# 生成能量边界数组（比中心值多一个点）
E_edges = np.linspace(E_min, E_max, num_bins + 1)
# 计算每个能量边界对应的ToF（使用正确的转换公式）
# 中子静止能量m_nc²≈939.565 MeV，光速c=3e8 m/s，转换为微秒需乘1e6
ToF_edges = flight_length * np.sqrt(939.565e6 / (2 * E_edges)) / 3e8 * 1e6

# 假设Y轴为探测器位置维度，同样生成边界
Y_min = 0
Y_max = 10
Y_edges = np.linspace(Y_min, Y_max, 50 + 1)

# 生成二维网格边界
X_edges, Y_edges_grid = np.meshgrid(ToF_edges, Y_edges)
# 生成能量中心值用于颜色映射（可选，也可用边界的平均值）
E_centers = (E_edges[:-1] + E_edges[1:]) / 2
E_grid = np.tile(E_centers, (len(Y_edges)-1, 1))

# 绘图
fig, ax = plt.subplots(figsize=(10,6))
# 使用边界网格绘制pcolormesh
pcm = ax.pcolormesh(X_edges, Y_edges_grid, E_grid, shading='flat')
# 添加最小能量对应的ToF虚线
ax.axvline(ToF_edges[0], linestyle='--', color='k', label=f'E_min={E_min} eV')

plt.colorbar(pcm, label='Neutron Energy (eV)')
ax.set_xlabel('Time of Flight (μs)')
ax.set_ylabel('Detector Position')
ax.legend()
plt.show()

2. 验证转换公式的正确性 #

确保ToF的计算公式符合物理规律：
$$\text{ToF} = L \times \sqrt{\frac{m_n c^2}{2E}} / c$$
其中：

• $L$：飞行距离（米）
• $m_n c^2$：中子静止能量（≈939.565 MeV）
• $E$：中子能量（eV）
• $c$：光速（3e8 m/s）
  转换为微秒时需乘以$10^6$。

3. 可选优化：使用对数分箱（针对低能区） #

若低能区的分辨率需求更高，可对能量使用对数分箱，避免线性分箱导致低能区ToF网格过于稀疏：

# 替换线性分箱为对数分箱
E_edges = np.logspace(np.log10(E_min), np.log10(E_max), num_bins + 1)

关键说明 #

• shading='flat'确保每个单元格颜色均匀，避免插值导致的视觉误差；
• 必须保证X_edges和Y_edges_grid的形状为(M+1, N+1)，而E_grid的形状为(M, N)，完全匹配pcolormesh的输入要求；
• 低能区误差放大的本质是ToF与能量的非线性关系，使用边界坐标而非中心值是解决顶点错位的核心。

内容的提问来源于stack exchange，提问作者twistfire