SHARE
TWEET

Untitled

a guest Jul 22nd, 2019 56 Never
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
  1. import numpy as np
  2. import matplotlib.pyplot as plt
  3.  
  4. angle_n = np.array([-81.545 , -68.838 , -63.755 , -62.215 , -63.755 , -68.838 ,
  5.        -81.545 , -70.76  , -59.292 , -52.565 , -48.751 , -47.498 ,
  6.        -48.751 , -52.565 , -59.292 , -70.76  , -70.76  , -56.523 ,
  7.        -47.498 , -41.256 , -37.442 , -36.143 , -37.442 , -41.256 ,
  8.        -47.498 , -56.523 , -70.76  , -81.545 , -59.292 , -47.498 ,
  9.        -38.725 , -32.116 , -27.793 , -26.254 , -27.793 , -32.116 ,
  10.        -38.725 , -47.498 , -59.292 , -81.545 , -68.838 , -52.565 ,
  11.        -41.256 , -32.116 , -24.649 , -19.251 , -17.152 , -19.251 ,
  12.        -24.649 , -32.116 , -41.256 , -52.565 , -68.838 , -63.755 ,
  13.        -48.751 , -37.442 , -27.793 , -19.251 , -12.036 ,  -8.4792,
  14.        -12.036 , -19.251 , -27.793 , -37.442 , -48.751 , -63.755 ,
  15.        -62.215 , -47.498 , -36.143 , -26.254 , -17.152 ,  -8.4792,
  16.          0.    ,   8.4792,  17.152 ,  26.254 ,  36.143 ,  47.498 ,
  17.         62.215 ,  63.755 ,  48.751 ,  37.442 ,  27.793 ,  19.251 ,
  18.         12.036 ,   8.4792,  12.036 ,  19.251 ,  27.793 ,  37.442 ,
  19.         48.751 ,  63.755 ,  68.838 ,  52.565 ,  41.256 ,  32.116 ,
  20.         24.649 ,  19.251 ,  17.152 ,  19.251 ,  24.649 ,  32.116 ,
  21.         41.256 ,  52.565 ,  68.838 ,  81.545 ,  59.292 ,  47.498 ,
  22.         38.725 ,  32.116 ,  27.793 ,  26.254 ,  27.793 ,  32.116 ,
  23.         38.725 ,  47.498 ,  59.292 ,  81.545 ,  70.76  ,  56.523 ,
  24.         47.498 ,  41.256 ,  37.442 ,  36.143 ,  37.442 ,  41.256 ,
  25.         47.498 ,  56.523 ,  70.76  ,  70.76  ,  59.292 ,  52.565 ,
  26.         48.751 ,  47.498 ,  48.751 ,  52.565 ,  59.292 ,  70.76  ,
  27.         81.545 ,  68.838 ,  63.755 ,  62.215 ,  63.755 ,  68.838 ,  81.545 ])
  28.  
  29. angle_p = np.array([ 26.565 ,  18.435 ,   9.4623,   0.    ,  -9.4623, -18.435 ,
  30.        -26.565 ,  38.66  ,  30.964 ,  21.801 ,  11.31  ,   0.    ,
  31.        -11.31  , -21.801 , -30.964 , -38.66  ,  51.34  ,  45.    ,
  32.         36.87  ,  26.565 ,  14.036 ,   0.    , -14.036 , -26.565 ,
  33.        -36.87  , -45.    , -51.34  ,  63.435 ,  59.036 ,  53.13  ,
  34.         45.    ,  33.69  ,  18.435 ,   0.    , -18.435 , -33.69  ,
  35.        -45.    , -53.13  , -59.036 , -63.435 ,  71.565 ,  68.199 ,
  36.         63.435 ,  56.31  ,  45.    ,  26.565 ,   0.    , -26.565 ,
  37.        -45.    , -56.31  , -63.435 , -68.199 , -71.565 ,  80.538 ,
  38.         78.69  ,  75.964 ,  71.565 ,  63.435 ,  45.    ,   0.    ,
  39.        -45.    , -63.435 , -71.565 , -75.964 , -78.69  , -80.538 ,
  40.         90.    ,  90.    ,  90.    ,  90.    ,  90.    ,  90.    ,
  41.          0.    ,  90.    ,  90.    ,  90.    ,  90.    ,  90.    ,
  42.         90.    , -80.538 , -78.69  , -75.964 , -71.565 , -63.435 ,
  43.        -45.    ,   0.    ,  45.    ,  63.435 ,  71.565 ,  75.964 ,
  44.         78.69  ,  80.538 , -71.565 , -68.199 , -63.435 , -56.31  ,
  45.        -45.    , -26.565 ,   0.    ,  26.565 ,  45.    ,  56.31  ,
  46.         63.435 ,  68.199 ,  71.565 , -63.435 , -59.036 , -53.13  ,
  47.        -45.    , -33.69  , -18.435 ,   0.    ,  18.435 ,  33.69  ,
  48.         45.    ,  53.13  ,  59.036 ,  63.435 , -51.34  , -45.    ,
  49.        -36.87  , -26.565 , -14.036 ,   0.    ,  14.036 ,  26.565 ,
  50.         36.87  ,  45.    ,  51.34  , -38.66  , -30.964 , -21.801 ,
  51.        -11.31  ,   0.    ,  11.31  ,  21.801 ,  30.964 ,  38.66  ,
  52.        -26.565 , -18.435 ,  -9.4623,   0.    ,   9.4623,  18.435 ,  26.565 ])
  53.  
  54.  
  55. power = np.array([  9.73210000e-05,   8.18640000e-05,   5.30620000e-06,
  56.          1.55550000e-06,   5.40130000e-06,   8.23160000e-05,
  57.          9.72570000e-05,   2.53220000e-04,   1.12790000e-05,
  58.          1.91370000e-04,   1.20200000e-04,   4.27250000e-05,
  59.          1.20510000e-04,   1.91150000e-04,   1.09320000e-05,
  60.          2.52660000e-04,   4.06920000e-04,   1.81860000e-04,
  61.          3.05000000e-04,   1.02440000e-04,   2.71140000e-04,
  62.          2.15500000e-04,   2.70140000e-04,   1.01420000e-04,
  63.          3.05370000e-04,   1.81650000e-04,   4.07740000e-04,
  64.          2.44690000e-04,   1.13910000e-05,   3.85200000e-04,
  65.          5.60350000e-04,   1.88400000e-04,   2.60410000e-04,
  66.          4.21440000e-04,   2.58770000e-04,   1.89750000e-04,
  67.          5.59970000e-04,   3.86120000e-04,   1.13540000e-05,
  68.          2.45440000e-04,   3.28930000e-04,   6.07100000e-04,
  69.          1.96180000e-04,   2.65270000e-04,   1.31040000e-03,
  70.          2.74310000e-05,   4.56410000e-04,   2.81450000e-05,
  71.          1.30970000e-03,   2.66240000e-04,   1.95680000e-04,
  72.          6.07600000e-04,   3.30050000e-04,   1.30440000e-04,
  73.          6.27760000e-04,   1.03400000e-03,   5.85340000e-04,
  74.          1.24640000e-04,   2.20030000e-03,   2.40090000e-04,
  75.          2.19610000e-03,   1.24960000e-04,   5.85290000e-04,
  76.          1.03500000e-03,   6.28160000e-04,   1.30400000e-04,
  77.          3.10650000e-05,   5.00850000e-04,   1.20480000e-03,
  78.          1.25920000e-03,   5.91980000e-04,   8.12190000e-04,
  79.          3.46180000e-01,   8.09610000e-04,   5.93080000e-04,
  80.          1.26120000e-03,   1.20530000e-03,   5.00900000e-04,
  81.          3.09280000e-05,   1.30600000e-04,   6.27910000e-04,
  82.          1.03490000e-03,   5.86360000e-04,   1.23470000e-04,
  83.          2.20150000e-03,   2.34910000e-04,   2.19730000e-03,
  84.          1.23840000e-04,   5.86220000e-04,   1.03590000e-03,
  85.          6.28410000e-04,   1.30560000e-04,   3.28900000e-04,
  86.          6.08450000e-04,   1.97390000e-04,   2.63930000e-04,
  87.          1.31250000e-03,   2.68700000e-05,   4.56070000e-04,
  88.          2.75190000e-05,   1.31180000e-03,   2.64930000e-04,
  89.          1.96870000e-04,   6.09000000e-04,   3.30110000e-04,
  90.          2.45120000e-04,   1.16840000e-05,   3.84190000e-04,
  91.          5.61060000e-04,   1.87310000e-04,   2.60190000e-04,
  92.          4.21280000e-04,   2.58520000e-04,   1.88640000e-04,
  93.          5.60700000e-04,   3.85130000e-04,   1.16340000e-05,
  94.          2.45890000e-04,   4.06060000e-04,   1.82190000e-04,
  95.          3.04070000e-04,   1.02880000e-04,   2.71300000e-04,
  96.          2.14400000e-04,   2.70250000e-04,   1.01810000e-04,
  97.          3.04460000e-04,   1.81940000e-04,   4.06900000e-04,
  98.          2.53170000e-04,   1.15530000e-05,   1.91840000e-04,
  99.          1.19750000e-04,   4.27450000e-05,   1.20010000e-04,
  100.          1.91580000e-04,   1.11720000e-05,   2.52690000e-04,
  101.          9.76480000e-05,   8.18080000e-05,   5.32040000e-06,
  102.          1.49980000e-06,   5.39620000e-06,   8.22070000e-05,
  103.          9.75410000e-05])
  104.      
  105. r = angle_n
  106. theta = angle_p
  107. colors = power
  108.  
  109. fig = plt.figure()
  110. ax = fig.add_subplot(111, projection='polar')
  111. c = ax.scatter(theta, r, c=colors, cmap='hsv', alpha=0.75)
RAW Paste Data
We use cookies for various purposes including analytics. By continuing to use Pastebin, you agree to our use of cookies as described in the Cookies Policy. OK, I Understand
Not a member of Pastebin yet?
Sign Up, it unlocks many cool features!
 
Top