快捷導(dǎo)航

python實(shí)現(xiàn)經(jīng)緯度采樣的示例代碼

更新時(shí)間：2020年12月10日 09:10:18 作者：liuyu進(jìn)階

這篇文章主要介紹了python實(shí)現(xiàn)經(jīng)緯度采樣的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

原理

經(jīng)度 phi，緯度 theta 處的坐標(biāo)為：
x =R* cos(phi) * cos(theta)
y = Rsin(phi) * cos(theta)
z = Rsin(theta)

問(wèn)題

經(jīng)緯度采樣的采樣點(diǎn)是相同經(jīng)緯度間隔的交點(diǎn)。但是采樣1000個(gè)點(diǎn)，如何劃分多少條經(jīng)線，多少條緯線相交，才能使1000個(gè)采樣點(diǎn)最均勻的分布在球面上（雖然經(jīng)緯度采樣本來(lái)就不均勻，但對(duì)于不同的采樣點(diǎn)個(gè)數(shù)應(yīng)該有一種相對(duì)最均勻的經(jīng)緯線劃分）？求大佬指教！
我目前是將緯度每10度進(jìn)行劃分。

Code

import random
from mpl_toolkits import mplot3d
import numpy as np
import math
import matplotlib.pyplot as plt
%matplotlib inline
ax=plt.axes(projection="3d")

N=1000
x=[]
y=[]
z=[]
r=1


#經(jīng)度
def longitude(lng): 
  phi=(180+lng)*(math.pi/180)
  return phi

#緯度
def latitude(lat):
  theta=lat*(math.pi/180)
  return theta

for i in range(-80,90,10):
  for j in np.arange(-180,180,360/((N-2)/17)):
    #x.append(-r*math.sin(latitude(i))*math.cos(longitude(j)))
    #y.append(r*math.cos(latitude(i)))
    #z.append(r*math.sin(latitude(i))*math.sin(longitude(j)))
    
    x.append(r*math.cos(latitude(i))*math.cos(longitude(j)))
    z.append(r*math.sin(latitude(i)))
    y.append(r*math.cos(latitude(i))*math.sin(longitude(j)))

x.append(r*math.cos(latitude(-90))*math.cos(longitude(0)))
z.append(r*math.sin(latitude(-90)))
y.append(r*math.cos(latitude(-90))*math.sin(longitude(0)))

x.append(r*math.cos(latitude(90))*math.cos(longitude(0)))
z.append(r*math.sin(latitude(90)))
y.append(r*math.cos(latitude(90))*math.sin(longitude(0)))

xline=np.array(x)
yline=np.array(y)
zline=np.array(z)
print(xline.shape)
ax.scatter3D(xline,yline,zline,s=2)
plt.savefig("D:\\samples\\經(jīng)緯度采樣.png")

效果

在這里插入圖片描述

到此這篇關(guān)于python實(shí)現(xiàn)經(jīng)緯度采樣的示例代碼的文章就介紹到這了,更多相關(guān)python 經(jīng)緯度采樣內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

相關(guān)文章

使用Python生成F分布表并導(dǎo)出為Excel文件的代碼實(shí)現(xiàn)
在統(tǒng)計(jì)分析中,F FF分布是一種非常重要的連續(xù)概率分布,廣泛應(yīng)用于方差分析、回歸分析的顯著性檢驗(yàn)等場(chǎng)景,為了方便查閱和使用F分布的臨界值,本文給大家介紹了使用Python生成F分布表并導(dǎo)出為Excel文件,需要的朋友可以參考下
2024-11-11
Python繪圖之turtle庫(kù)的基礎(chǔ)語(yǔ)法使用
這篇文章主要給大家介紹了關(guān)于Python繪圖之turtle庫(kù)的基礎(chǔ)語(yǔ)法使用的相關(guān)資料, Turtle庫(kù)是Python語(yǔ)言中一個(gè)很流行的繪制圖像的函數(shù)庫(kù),再繪圖的時(shí)候經(jīng)常需要用到的一個(gè)庫(kù)需要的朋友可以參考下
2021-06-06
Python爬取網(wǎng)頁(yè)的所有內(nèi)外鏈的代碼
這篇文章主要介紹了Python爬取網(wǎng)頁(yè)的所有內(nèi)外鏈,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
2021-04-04
python游戲開發(fā)之視頻轉(zhuǎn)彩色字符動(dòng)畫
這篇文章主要為大家詳細(xì)介紹了python游戲開發(fā)之視頻轉(zhuǎn)彩色字符動(dòng)畫，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2019-04-04
點(diǎn)球小游戲python腳本
這篇文章主要為大家詳細(xì)介紹了點(diǎn)球小游戲python腳本，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2018-05-05
python編程matplotlib交互繪制Julia集示例解析
matplotlib的Show面板中提供了放大、移動(dòng)等交互式操作，但也未能涵蓋所有的交互需求，比如希望通過(guò)mandelbrot集上的一點(diǎn)來(lái)生成對(duì)應(yīng)的Julia集
2021-10-10
Python中requests模塊的請(qǐng)求參數(shù)詳解
這篇文章主要介紹了Python中requests模塊的請(qǐng)求參數(shù)詳解,requests模塊是一個(gè)網(wǎng)絡(luò)請(qǐng)求模塊，可以幫助我們模擬成客戶端去請(qǐng)求服務(wù)器的數(shù)據(jù),我們今天就是主要針對(duì)這個(gè)模塊進(jìn)行學(xué)習(xí),需要的朋友可以參考下
2023-08-08
pytorch 簡(jiǎn)介及常用工具包展示
Pytorch是torch的python版本，是由Facebook開源的神經(jīng)網(wǎng)絡(luò)框架，專門針對(duì) GPU 加速的深度神經(jīng)網(wǎng)絡(luò)（DNN）編程，這篇文章主要介紹了pytorch 簡(jiǎn)介及常用工具包展示,需要的朋友可以參考下
2023-02-02
Python使用pickle模塊儲(chǔ)存對(duì)象操作示例
這篇文章主要介紹了Python使用pickle模塊儲(chǔ)存對(duì)象操作,結(jié)合實(shí)例形式分析了Python使用pickle模塊針對(duì)文件讀寫與轉(zhuǎn)換的相關(guān)操作技巧,需要的朋友可以參考下
2018-08-08
Python常用隨機(jī)數(shù)與隨機(jī)字符串方法實(shí)例
這篇文章主要介紹了Python常用隨機(jī)數(shù)與隨機(jī)字符串方法實(shí)例,本文講解了隨機(jī)整數(shù)、隨機(jī)選取0到100間的偶數(shù)、隨機(jī)浮點(diǎn)數(shù)、隨機(jī)字符串等常用隨機(jī)方法,需要的朋友可以參考下
2015-04-04