如何利用matplotlib hist2d实现磁矢量加权的二维直方图？

要实现先对每个直方图箱（像素）内的磁场矢量分量求和，再计算总磁场模的二维直方图，直接用hist2d的weights参数无法完成（它仅支持一维权重数组）。我们可以手动分箱并对磁场分量分别求和，步骤如下：

步骤说明 #

1. 确定直方图的分箱边缘，确保和你原本的hist2d分箱逻辑一致；
2. 为每个粒子分配对应的箱索引；
3. 对每个箱内的磁场x/y/z分量分别求和，得到该箱的总磁场矢量；
4. 计算总磁场矢量的模，最后绘制二维直方图。

代码示例 #

import numpy as np
import matplotlib.pyplot as plt

# 替换为你的实际数据
x = np.random.randn(10000)  # 示例x坐标
y = np.random.randn(10000)  # 示例y坐标
# 示例磁场矢量：包含方向相反的测试用例
mag = np.random.randn(10000, 3)
mag[0] = [1, 0, 0]
mag[1] = [-1, 0, 0]
x[0], x[1] = 0, 0
y[0], y[1] = 0, 0

# 1. 设置分箱数，可按需调整
bins = 50
# 获取x、y轴的分箱边缘（和hist2d默认逻辑一致）
x_edges = np.linspace(x.min(), x.max(), bins + 1)
y_edges = np.linspace(y.min(), y.max(), bins + 1)

# 2. 获取每个粒子所在的箱索引（索引从0开始）
x_idx = np.digitize(x, x_edges) - 1
y_idx = np.digitize(y, y_edges) - 1

# 将二维箱索引转为一维线性索引，方便按箱求和
linear_idx = y_idx * bins + x_idx

# 3. 对磁场的三个分量分别按箱求和
mag_x_sum = np.bincount(linear_idx, weights=mag[:, 0], minlength=bins*bins).reshape(bins, bins)
mag_y_sum = np.bincount(linear_idx, weights=mag[:, 1], minlength=bins*bins).reshape(bins, bins)
mag_z_sum = np.bincount(linear_idx, weights=mag[:, 2], minlength=bins*bins).reshape(bins, bins)

# 4. 计算每个箱的总磁场强度（模）
total_mag_norm = np.sqrt(mag_x_sum**2 + mag_y_sum**2 + mag_z_sum**2)

# 绘制二维直方图
fig, ax = plt.subplots(figsize=(8, 6))
# 使用pcolormesh绘制，注意转置数组以匹配坐标维度
im = ax.pcolormesh(x_edges, y_edges, total_mag_norm.T, shading='auto', cmap='viridis')
plt.colorbar(im, label='总磁场强度')

ax.set_xlabel('X 坐标')
ax.set_ylabel('Y 坐标')
ax.set_title('按总磁场强度加权的二维直方图')
plt.show()

关键说明 #

• 该方法会正确处理磁场方向抵消的情况：比如同一箱内两个方向相反的磁场矢量，分量求和后相互抵消，总磁场模为0，符合物理实际；
• 如果需要和原本hist2d的分箱完全一致，可以用np.histogram2d先获取分箱边缘：

  counts, x_edges, y_edges = np.histogram2d(x, y, bins=bins)
  

  再复用上述逻辑计算分量和。

内容的提问来源于stack exchange，提问作者Martin Phar AC Fournier