均方位移python(Mean square displacement python)

我有一个轨迹文件，模拟20,000帧，每帧之间有5 ps的时间，我想做的是计算二维(x和y轴)的扩散。 但为了计算2D中的扩散，首先我必须计算研究中分子的均方位移。 MSD计算分子在随机游走中探索系统所需的平均时间。

我是python编程的新手，我真的想要一些帮助来解决这个问题并解决这个问题。 希望得到积极的回应。

I have a trajectory file from simulation of 20,000 frames with 5 ps time in between every frame, what I want to do is to calculate diffusion in 2 dimension (x and y axis). but to calculate diffusion in 2D, first I have to calculate Mean square displacement of the molecule under study. MSD calculates the average time taken by molecule to explore the system in random walks.

I am very new to python programming and I would really want some help to get started this problem and to solve this problem. Hope to get positive response.

原文：https://stackoverflow.com/questions/31264591

2020-09-22 21:09

满意答案

那么MSD就像听起来它是均方位移一样，所以你需要做的是找到每个位置的位置差(r(t + dt)-r(t))然后将其平方并最终取均值。 首先你必须从x和y找到r，这很容易。 我假设你从这里开始使用numpy。

import numpy as np

r = np.sqrt(xdata**2 + ydata**2)

diff = np.diff(r) #this calculates r(t + dt) - r(t)

diff_sq = diff**2

MSD = np.mean(diff_sq)

现在这是计算MSD的一般方法，然后你可以比较布朗运动，其中MSD = 4Dt大约2维。

Well the MSD is exactly as it sounds it is the mean square displacement so what you need to do is find the difference in the position (r(t + dt) -r(t)) for each position and then square it and finally take the mean. First you must find r from x and y which is easy enough. I am going to assume you are using numpy from here on out.

import numpy as np

r = np.sqrt(xdata**2 + ydata**2)

diff = np.diff(r) #this calculates r(t + dt) - r(t)

diff_sq = diff**2

MSD = np.mean(diff_sq)

Now this is the general way to calculate MSD then you can compare with things like Brownian motion where MSD = 4Dt approximately in 2 dimensions.

2015-07-07

相关问答

答案非常简单，顺便说一句，我给你留下了深刻的印象，你设法调试代码中所有潜在的错误。 以下行错了： displacedLine[center - 1] += change;

您正确计算了中心索引并更改了数量，但您错过了更改应该应用于高度方面的中点 。 那是： displacedLine[center - 1] = (displacedLine[start] + displacedLine[end]) / 2;

displacedLine[center - 1] += change;

我相信你明白...

是的，这里有几个例子 - 月球演示： http ： //whiteflashwhitehit.com/2011/02/21/a-moon-in-webgl/ 忍者头演示： http ： //threejs.org/examples/webgl_materials_normalmap.html Yep, here are a couple of examples – The moon demo: http://whiteflashwhitehit.com/2011/02/21/a-moon-in-w...

循环从后到前。 你做了什么改变每个圆圈的位置与圆圈0相同 for ( var i:int = 4; i > 0; i--)

{

circles[i].xPosition = circles[i-1].xPosition;

circles[i].yPosition = circles[i-1].yPosition;

}

Do the loop from back to front. What you did change every circle's pos...

如果你只计算相对于第一个位置的位移，那么你实际上并没有平均任何东西，因为MSD(1)是你的物体在一个时间步长内移动的平均距离。 所以你的推理是正确的。 但是，我会以相反的方式计算MSD：获得dt = 1(1-2,2-3,3-4，...)和平均值的所有位移。 这是MSD(1)。 然后，你得到dt = 2(1-3,2-4，...)和平均值的所有位移。 这是MSD(2)。 等等。 Matlab的一个有用属性是你可以对一些计算进行矢量化，即对整个数组进行计算，而不是逐个元素地进行计算。 因此，如果你有一个...

由于您使用display:inline-block每个.circle元素的样式，并且vertical-align的默认值为baseline ，因此向元素添加文本使其与其他元素的基线对齐。 我通过在.circle类中添加vertical-align:top来获得.circle 。 body {

font-size: 62.5%;

}

.container {

min-width: 32rem;

max-width: 96rem;

margin: 0 auto;

}

....

我刚看到你的帖子弹出，我想你已经把它整理出来了。 无论如何，如果你想做这样的包装，有一个巧妙的技巧来解决负面mod在C / Java中不能正常工作的事实。 你所做的只是将模数的多个(注意不要溢出)添加回数字以确保它是非负的。 然后你可以照常修改而不会破坏它。 这是一个例子： private int wrap(int n, int lowerBound, int upperBound) {

int lengthOfInterval = upperBound - lowerBound;

...

创建尺寸参数时，您更改了底座的位置和功率。 你写的(size ** 2) + 1但它应该是(2 ** size) + 1 。 这有望解决您的问题。 I managed to solve it by removing the 2D list and simply using a 1D list instead which is what I should have done in the first place but I didn't because I misread the original ...

这是一种奇特的说法，“ P是T的子串 ，紧接在位置s ”。 例如： 012345678910

P = ra

T = abracadabra

-- --

你有s = 1和s = 8位移，因为T[1+1, 1+2] = T[8+1,8+2] = ra 。 有许多算法可以解决这个问题 。 一个受欢迎的好的是KMP。 It's a fancy way of saying "P is a substring of T that occurs immediately after ...

在您的terrain材质中，设置wireframe = true ，您将能够看到发生了什么。 你的代码和纹理基本上都很好。 在加载器回调函数中计算顶点法线时会发生此问题。 几何体外环的计算顶点法线略微向外。 这很可能是因为在computeVertexNormals()它们是通过平均每个相邻面的面法线来计算的，并且模型“边”的面法线(黑色部分)被平均到那些顶点的顶点法线计算中。弥补“帽子”的外圈。 结果，“帽”的外环在位移图下向外扩展。 编辑：果然，直接从你的模型，外环的顶点法线向外指向。 内环的顶...

那么MSD就像听起来它是均方位移一样，所以你需要做的是找到每个位置的位置差(r(t + dt)-r(t))然后将其平方并最终取均值。 首先你必须从x和y找到r，这很容易。 我假设你从这里开始使用numpy。 import numpy as np

r = np.sqrt(xdata**2 + ydata**2)

diff = np.diff(r) #this calculates r(t + dt) - r(t)

diff_sq = diff**2

MSD =...

相关文章

Python 编程语言具有很高的灵活性，它支持多种编程方法，包括过程化的、面向对象的和函数式的。但最重

...

python2和python3的区别，1.性能 Py3.0运行 pystone benchmark的速

...

Python的文件类型 Python有三种文件类型，分别是源代码文件、字节码文件和优化代码文件

源代

...

python的官网：http://www.python.org/ 有两个版本，就像struts1和st

...

好久没有写了，还不是近期刚过的期末考试和期中考试 最近因为一个微信公众平台大赛在学phthon 找了本

...