蒙特卡洛模拟色图创建：如何绘制厚度角度对应光子计数的彩色直方图

你需要的是二维直方图（热力图），x/y轴分别对应厚度、角度参数，色块颜色映射到对应参数组合下的光子计数，以下是Python生态下的常用实现方式：

前置准备 #

首先导入依赖库，把你的数据转换为numpy数组方便处理：

import numpy as np
import matplotlib.pyplot as plt

# 如果你的store_array是Python原生列表，先转为numpy数组
store_array = np.array(store_array)
# 拆分三个维度的数值
thickness = store_array[:, 0]
angle = store_array[:, 1]
photons_count = store_array[:, 2]

场景1：参数为规整网格（所有厚度+角度组合都有对应模拟结果） #

如果你的模拟是按固定间隔的厚度、角度网格点逐一跑的，直接重构二维矩阵绘制即可：

# 提取去重排序后的厚度、角度值
unique_thick = np.sort(np.unique(thickness))
unique_angle = np.sort(np.unique(angle))
# 把光子计数重构成和网格匹配的二维矩阵
photon_matrix = photons_count.reshape(len(unique_angle), len(unique_thick))

# 绘图
plt.figure(figsize=(8, 6))
# cmap参数可替换配色，比如plasma、RdYlBu_r等
pcm = plt.pcolormesh(unique_thick, unique_angle, photon_matrix, cmap='viridis')
plt.xlabel('箔片厚度')
plt.ylabel('入射角度')
plt.title('不同参数下的荧光总光子计数')
# 添加色条标注颜色对应数值
plt.colorbar(pcm, label='光子计数')
plt.show()

场景2：参数为非规整采样（存在缺失组合、重复采样） #

如果你的模拟参数是随机采样、或者存在重复测试的情况，用hist2d自动分箱统计即可：

plt.figure(figsize=(8, 6))
# bins参数可指定分箱数量，比如bins=[30,30]就是x/y轴各分30个箱
# weights参数指定每个样本的权重为对应光子计数，统计的是分箱内总光子数
hist, x_edge, y_edge, im = plt.hist2d(
    thickness, angle, bins=20, 
    weights=photons_count, cmap='viridis'
)
plt.xlabel('箔片厚度')
plt.ylabel('入射角度')
plt.title('不同参数下的荧光总光子计数')
plt.colorbar(im, label='分箱内总光子计数')
plt.show()

可选调整项 #

• 要统计分箱内的平均光子计数，可在hist2d中添加参数density=True
• 需要突出高低值差异，可替换cmap参数为其他配色方案，比如cmap='plasma'为暖色调渐变
• 要让每个参数取值对应一个分箱，可设置bins=[len(np.unique(thickness)), len(np.unique(angle))]

内容的提问来源于stack exchange，提问作者ruairi shannon