用python/matplotlib繪製分段定義函數

Question

我是Python和Scipy的新手。目前我正在試圖在matplotlib中繪製一個p型晶體管傳輸曲線。這是分段定義的，我很努力地找到獲得最終曲線的好方法。到目前爲止，我所擁有的是：

import matplotlib.pyplot as plt 
import numpy as np 
from scipy.constants import epsilon_0 

V_GS = np.linspace(-15, 10, 100) # V 
V_th = 1.9 # V 
V_DS = -10 # V 
mu_p = 0.1e-4 # m²/Vs 
epsilon_r = 7.1 
W = 200e-6 # m 
L = 10e-6 # m 
d = 70e-9 # m 
C_G = epsilon_0*epsilon_r/d 
beta = -mu_p*C_G*W/L 

Ids_cutoff = np.empty(100); Ids_cutoff.fill(-1e-12) 
Ids_lin = beta*((V_GS-V_th)*V_DS-V_DS**2/2) 
Ids_sat = beta*1/2*(V_GS-V_th)**2 

plt.plot(V_GS, Ids_lin, label='lin') 
plt.plot(V_GS, Ids_sat, label='sat') 
plt.plot(V_GS, Ids_cutoff, label='cutoff') 

plt.xlabel('V_GS [V]') 
plt.ylabel('I [A]') 
plt.legend(loc=0) 

plt.show() 

這給出了完整V_GS範圍內的三條曲線。現在，我想定義

Ids = Ids_cutoff for V_GS >= V_th 
Ids = Ids_lin for V_GS < V_th; V_DS >= V_GS - V_th 
Ids = Ids_sat for V_GS < V_th; V_DS < V_GS - V_th 

我發現一個例子np.vectorize（），但不知何故，我struggeling瞭解如何使用這些數組。我可以創建一個經歷所有值的for循環，但我相當確定有更有效的方法來執行此操作。

除了推導出Ids的值列表並繪製它與V_GS的關係之外，是否還有可能將matplotlib的三個方程式分段繪製爲一條曲線？

Answer 1

看了多地進入我終於想出了一個辦法做到這一點numpy的細節後：

Ids_cutoff = -1e-12 # instead of creating an array as posted above 
# create masks for range of validity for linear and saturation region 
is_lin = np.zeros_like(V_GS, dtype=np.bool_) 
is_lin[(V_GS < V_th) & (V_DS >= V_GS - V_th)] = 'TRUE' 
is_sat = np.zeros_like(V_GS, dtype=np.bool_) 
is_sat[(V_GS < V_th) & (V_DS < V_GS - V_th)] = 'TRUE' 

# create final array and fill with off-current 
Ids = np.zeros_like(V_GS); Ids.fill(Ids_cutoff) 
# replace by values for linear and saturation region where valid 
Ids = np.where(is_lin, Ids_lin, Ids) 
Ids = np.where(is_sat, Ids_sat, Ids) 
plt.plot(V_GS, Ids, '*', label='final') 

Answer 2

是否要根據您的選擇器填充陣列Vds？

Vds = np.zeros_like(V_GS) # for the same shape 
Vds[V_GS >= V_th] = Ids_cutoff 
Vds[(V_GS < V_th) & (V_DS >= V_GS - V_th)] = Ids_lin 
Vds[(V_GS < V_th) & (V_DS < V_GS - V_th)] = Ids_sat 

通過繪製分段，你的意思是忽略了一定的範圍？在

plt.plot([0,1,2,3,np.nan,10,11], np.arange(7)) 

結果：

由於不是一個數字不plottable，沒有行會被吸引您可以使用np.nan了點。