Python绘图：如何将暗能量w演化图的x轴从e折叠N改为标度因子a？

我之前处理宇宙学ODE建模的时候也碰到过一模一样的问题，给你拆解下错误原因和解决办法：

首先，TypeError: only size-1 arrays can be converted to Python scalars这个错误很明确：math.exp()只能处理单个数值，而你传入的t是numpy数组（因为求解ODE得到的时间点都是数组形式），所以直接用math库的函数就会报错。那为什么用np.exp()还是有问题？大概率是你没处理好数组的维度或者类型，给你几个具体的排查步骤：

1. 先确认t的类型和维度 #

不管你用的是scipy.integrate.odeint还是solve_ivp，求解后得到的时间点t必须是numpy数组（不是Python列表）。如果是列表，先转成数组：

import numpy as np
# 假设你的t是列表形式
t = [0, 0.1, 0.2, ...]
t_np = np.array(t)
a = np.exp(t_np)

2. 确保a和x（w）的维度完全匹配 #

绘图时x轴和y轴的数组长度必须一致。比如你用solve_ivp的话，要通过t_eval生成等间隔的时间点，再获取对应的x值：

from scipy.integrate import solve_ivp

# 定义你的耦合ODE系统
def dark_energy_ode(t, y):
    x, var1, var2 = y  # x是w，var1/var2是其他耦合变量
    # 这里填入你的导数表达式，替换成你的实际模型
    dxdt = -0.5 * x * (1 + x)  # 示例方程
    dvar1dt = ...
    dvar2dt = ...
    return [dxdt, dvar1dt, dvar2dt]

# 初始条件和求解区间（t=ln(a)，比如从a=1到a=exp(10)）
t_start, t_end = 0, 10
init_cond = [-1.0, 0.1, 0.5]  # 初始w和其他变量

# 求解ODE，生成密集的时间点
sol = solve_ivp(dark_energy_ode, [t_start, t_end], init_cond, dense_output=True)
t_eval = np.linspace(t_start, t_end, 1000)  # 1000个采样点
y_sol = sol.sol(t_eval)
x_sol = y_sol[0]  # 提取w的演化数据

# 转换为标度因子a
a = np.exp(t_eval)

# 现在绘图就没问题了
import matplotlib.pyplot as plt
plt.figure(figsize=(8, 6))
plt.plot(a, x_sol, linewidth=2)
plt.xlabel('Scale factor $a$')
plt.ylabel('Dark energy equation of state $w$')
plt.xscale('log')  # 重点！a是指数增长的，用对数轴能看清整个演化过程
plt.grid(alpha=0.3)
plt.show()

3. 常见的坑要避开 #

• 如果用odeint，注意它的返回顺序是y在前t在后：

  from scipy.integrate import odeint
  t_eval = np.linspace(t_start, t_end, 1000)
  y_sol = odeint(dark_energy_ode, init_cond, t_eval, tfirst=True)
  x_sol = y_sol[:, 0]  # 提取第一列的w数据
  a = np.exp(t_eval)
  

• 不要手动循环计算a，直接用np.exp()作用于整个数组，效率高且不会出错。

内容的提问来源于stack exchange，提问作者Brudalaxe