用 SymPy 办理 Manim 曲线绘制速率不均的题目
假如你想绘制一个参数曲线，好比：极坐标玫瑰线 r = cos(5θ)。那么思绪很简单：算出曲线上的点，用 Create 一笔画出来。
但是，写完代码一渲染，题目来了：
花瓣尖端“唰”地一下就已往了，中心部分却慢吞吞的。整条曲线的绘制节奏忽快忽慢，看起来非常别扭。
题目的根源：我让参数 $ \theta $匀称递增，但曲线上点移动的现实间隔并不是匀称的。参数厘革快的地方，点就“飞”已往；参数厘革慢的地方，点就“爬”已往。要让画笔匀速移动，必须让参数按照弧长匀称分布——这就是弧长参数化。
手工做这件事险些不大概：求弧长得积分，反解参数得解方程，曲线轻微复杂一点就算不动了。
幸亏，我们有 SymPy。
1. 痛点场景还原：一个详细的例子
先看一段“有毛病”的代码，直观感受一下题目：
from manim import *
import numpy as np
class BadRoseCurve(Scene):
def construct(self):
axes = Axes(x_range=[-3, 3], y_range=[-3, 3])
self.add(axes)
# 用累积密度法生成非均匀 theta：尖端稀疏(快)，中部密集(慢)
n_points = 500
t = np.linspace(0, 2 * PI, n_points)
# 密度函数：在 cos(5t)=0 处(花瓣中部)密度高，在 |cos(5t)|=1 处(尖端)密度低
density = 1 + 3 * np.sin(5 * t) ** 2
theta = np.cumsum(density)
theta = theta / theta[-1] * PI# 归一化到 （k为奇数时只需π即可画完）
r = np.cos(5 * theta)
x = r * 2 * np.cos(theta)
y = r * 2 * np.sin(theta)
points = , y) for i in range(n_points)]
curve = VMobject(color=PINK, stroke_width=3)
curve.set_points_as_corners(points)
# 用 Create 画曲线——速度明显不均匀！
self.play(Create(curve), run_time=5, rate_func=linear)
self.wait()运行这个动画，你会看到：花瓣尖端几帧就画完了，而花瓣中部却画得很慢。
https://img2024.cnblogs.com/blog/83005/202606/83005-20260601160512207-1403969581.gifrate_func=linear 控制的是动画进度的匀称，但曲线本身点的分布就是疏密不均的，以是视觉速率肯定忽快忽慢。
2. SymPy 办理方案：弧长参数化三步走
要让绘制速率匀称，核心思绪是：天生一组让相邻点之间现实间隔相称的参数值。详细分三步：
[*]用积分算出弧长函数 $ L(\theta) $——从出发点到参数 $ \theta $ 的弧长
[*]算总弧长，中分出一组目标弧长值 $ s_1, s_2, ... $
[*]对每个$ s_i \(，反解方程\) L(\theta)=s_i $，得到对应的 $ \theta_i $
这三步，SymPy 都能帮上忙。
2.1 用 SymPy 推导弧长函数
import sympy as sp
theta = sp.Symbol('theta', real=True)
n = 5# 五瓣玫瑰线
# 极坐标方程（注意这里放大了2倍，与痛点代码中的 r*2 保持一致）
r = 2 * sp.cos(n * theta)
# 极坐标 → 直角坐标（符号推导，零误差）
x = r * sp.cos(theta)# x = r(θ)·cos(θ)
y = r * sp.sin(theta)# y = r(θ)·sin(θ)
# 弧长微元：ds/dθ = sqrt((dx/dθ)² + (dy/dθ)²)
dx_dtheta = sp.diff(x, theta)
dy_dtheta = sp.diff(y, theta)
# 弧长微元表达式（注意：这里不算积分，只保留被积函数）
ds_dtheta = sp.sqrt(dx_dtheta**2 + dy_dtheta**2)
print("弧长微元 ds/dθ =", sp.simplify(ds_dtheta))
# 运行结果：
'''
弧长微元 ds/dθ = 2*sqrt((2*sin(4*theta) +
3*sin(6*theta))**2 +
(2*cos(4*theta) -
3*cos(6*theta))**2)
'''SymPy 会输出一个椭圆积分情势的表达式——这是正常的，许多曲线的弧长都没有初等表达式。
不要紧，数值求解一样好用。
2.2 用 nsolve 反解等弧长参数点
import numpy as np
from scipy.integrate import quad
from scipy.optimize import bisect# 数值求根，稳定且快
# 把弧长微元转成可数值计算的函数
ds_func = sp.lambdify(theta, ds_dtheta, 'numpy')
# 数值弧长函数：L(t) = ∫₀^t ds
def arc_length(t):
"""计算从 0 到 t 的弧长"""
result, _ = quad(ds_func, 0, t, limit=100)
return result
# 计算总弧长
total_length = arc_length(2 * np.pi)
print(f"总弧长: {total_length:.4f}")
# 等分弧长，用数值求根反解对应的 theta
N = 500
s_values = np.linspace(0, total_length, N)
theta_vals = []
# 辅助函数：f(t) = L(t) - s，我们要找 f(t)=0 的根
def f(t, s):
return arc_length(t) - s
for i, s in enumerate(s_values):
if i == 0:
theta_vals.append(0.0)# s=0 对应 theta=0
continue
# 初始搜索区间：用上一个 theta 作为左边界
# 弧长是单调递增的，所以解一定在 [左边界, 右边界] 之间
left = theta_vals[-1]# 上一个已解出的 theta
right = left + 0.5 # 向右扩展，足够覆盖下一个等分点
# 扩展右边界直到 f(right, s) > 0（确保根在区间内）
while f(right, s) < 0:
right += 0.5
# 二分法求根（稳定、快速）
sol = bisect(f, left, right, args=(s,), xtol=1e-8)
theta_vals.append(float(sol))
theta_vals = np.array(theta_vals)代码要点：
[*]sp.lambdify 把符号表达式编译成 NumPy 函数，求值快
[*]sp.nsolve 数值解方程，给定一个好推测值能显着加速
[*]推测值用“弧长占比 × 总参数范围”做线性估计，富足靠近真实解
3. Manim 联动实战
把上面的盘算和 Manim 动画串起来，就是一份完备可运行的代码：
from manim import *
import numpy as np
import sympy as sp
from scipy.integrate import quad
from scipy.optimize import bisect
class UniformRoseCurve(Scene):
def construct(self):
# ===== SymPy + 数值积分计算等弧长参数点 =====
theta = sp.Symbol("theta", real=True)
n = 5
# 极坐标方程 r = 2*cos(5θ)
r = 2 * sp.cos(n * theta)
# 极坐标转直角坐标
x_expr = r * sp.cos(theta)
y_expr = r * sp.sin(theta)
# 弧长微元
dx = sp.diff(x_expr, theta)
dy = sp.diff(y_expr, theta)
ds_dtheta = sp.sqrt(dx**2 + dy**2)
# 数值弧长函数
ds_func = sp.lambdify(theta, ds_dtheta, "numpy")
def arc_length(t):
val, _ = quad(ds_func, 0, t, limit=100)
return val
# 总弧长（k为奇数时只需π即可画完）
total_len = arc_length(np.pi)
print(f"总弧长: {total_len:.4f}")
# 用二分法反解等弧长 theta（速度快）
N = 500
s_vals = np.linspace(0, total_len, N)
theta_vals =
def f(t, s):
return arc_length(t) - s
for i in range(1, N):
s = s_vals
left = theta_vals[-1]
right = left + 0.5
# 扩展右边界直到 f(right) > 0
while f(right, s) < 0:
right += 0.5
sol = bisect(f, left, right, args=(s,), xtol=1e-8)
theta_vals.append(float(sol))
theta_vals = np.array(theta_vals)
# 计算直角坐标点
x_func = sp.lambdify(theta, x_expr, "numpy")
y_func = sp.lambdify(theta, y_expr, "numpy")
# ===== Manim 动画 =====
axes = Axes(x_range=[-3, 3], y_range=[-3, 3])
self.add(axes)
points = []
for t in theta_vals:
px = float(x_func(t))
py = float(y_func(t))
points.append(axes.c2p(px, py))
curve = VMobject(color=PINK, stroke_width=3)
curve.set_points_as_corners(points)
self.play(Create(curve), run_time=5, rate_func=linear)
self.wait()https://img2024.cnblogs.com/blog/83005/202606/83005-20260601160512196-163663429.gif4. 效果展示分析
运行 UniformRoseCurve，对比之前的 BadRoseCurve，差异一览无余：
[*]绘制过程匀称流畅：粉色线条以恒定速率从出发点生长到尽头，花瓣尖端不再“闪现”，花瓣中部也不再“拖沓”。整条曲线在 10 秒内被安稳地画完，节奏非常惬意。
[*]同一曲线，两种体验：BadRoseCurve 由于刻意在花瓣中部堆了 3 倍密度，视觉上画笔会在那里显着减速；而弧长参数化版本抹平了全部速率颠簸，让 rate_func=linear 真正发挥作用。
[*]弧长参数化的本质：固然 theta_vals 的数值分布是不匀称的（花瓣尖端附近 θ 厘革慢，中部厘革快），但映射到平面后，相邻点之间的现实间隔完全相称。这就是“匀称”的真正寄义——空间上的匀称，而非参数上的匀称。
5. 本期小结
[*]题目本质：匀称参数 ≠ 匀称弧长，直接用匀称参数画曲线肯定速率不均。
[*]办理思绪：弧长参数化——先算弧长函数，再反解出等弧长分布的参数点。
[*]SymPy 的脚色：
[*]sp.diff → 求导得弧长微元
[*]sp.integrate → 算弧长函数
[*]sp.nsolve → 反解参数值
[*]sp.lambdify → 表达式转数值函数，高效求值
[*]Manim 中的用法：把等弧长点集喂给 VMobject.set_points_as_corners()，再用 Create + rate_func=linear，即可实现真正匀速的曲线绘制。
免责声明：如果侵犯了您的权益，请联系站长及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金.
页:
[1]