用 SymPy 解决 Manim 曲线绘制速度不均的问题

你可能遇到过这个问题：你想绘制一条参数曲线，比方说极坐标玫瑰线 r = cos(5θ)。

逻辑很简单——算出曲线上的点，然后用 Create 一笔画出来就行。

可代码一渲染，发现问题了：

花瓣尖端“唰”地一闪而过，中部却又慢吞吞地像在爬。整条曲线节奏忽快忽慢，看着十分别扭。

问题出在哪？因为参数 $θ$ 虽然均匀递增，但它在曲线上映射出的实际距离却不均匀。参数变化快的区域，点就“飞”过去；变化慢的区域，点就“爬”过去。要让画笔匀速移动，参数必须按照弧长均匀分布——这就是弧长参数化的核心诉求。

手动做这件事，基本是炼狱难度：求弧长得积分，反解参数又得解方程，曲线稍微复杂一点就算不动了。

好在有 SymPy 这个利器。

1. 痛点场景还原：一个具体的例子

先看一段“有毛病”的代码，直观感受一下问题：

from manim import *
import numpy as npclass 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 [0, π]（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 = [axes.c2p(x[i], y[i]) 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，花瓣尖端几帧就画完了，中部却慢悠悠地推进。即便 rate_func=linear 保证动画进度本身是线性的，但点的分布已经疏密不均，视觉速度自然忽快忽慢。

2. SymPy 解决方案：弧长参数化三步走

要让绘制速度均匀，核心思路是：生成一组让相邻点之间实际距离相等的参数值。具体分三步：

1. 用积分算出弧长函数 $L(θ)$——从起点到参数 $θ$ 走过的弧长
2. 计算总弧长，等分出一组目标弧长值 $s_1, s_2, ...$
3. 对每个 $s_i$，反解方程 $L(θ)=s_i$，得到对应的 $θ_i$

这三步，SymPy 都能帮上忙。

2.1 用 SymPy 推导弧长函数

import sympy as sptheta = 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)
'''

输出是椭圆积分形式——很正常，很多曲线的弧长都没有初等表达式。但没关系，数值求解一样高效。

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) - sfor 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，求值效率拉满
• bisect 二分法求根，比纯牛顿法更稳定，适合单调函数场景
• 搜索区间利用弧长单调递增特性，用上一个解作为左边界，大幅缩小搜索范围

3. Manim 联动实战

把上面的计算和 Manim 动画串起来，就是一份完整可运行的代码：

from manim import *
import numpy as np
import sympy as sp
from scipy.integrate import quad
from scipy.optimize import bisectclass 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 = [0.0]        def f(t, s):
            return arc_length(t) - s        for i in range(1, N):
            s = s_vals[i]
            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()

整个流程非常清晰：符号推导弧长微元，数值积分算弧长，二分法反解等距点，最后送入 Manim 绘制。

4. 效果展示说明

运行 UniformRoseCurve，对比之前的 BadRoseCurve，差异一目了然：

• 绘制过程均匀流畅：粉色线条以恒定速度从起点生长到终点，花瓣尖端不再“闪现”，中部也不再“拖沓”。整条曲线在 5 秒内被平稳地画完，节奏非常舒服。
• 同一曲线，两种体验：BadRoseCurve 刻意在花瓣中部堆了 3 倍密度，视觉上画笔会在那里明显减速；而弧长参数化版本抹平了所有速度波动，让 rate_func=linear 真正发挥作用。
• 弧长参数化的本质：虽然 theta_vals 的数值分布是不均匀的（花瓣尖端附近 θ 变化慢，中部变化快），但映射到平面后，相邻点之间的实际距离完全相等——这才是均匀的真正含义：空间上的均匀，而非参数上的均匀。

5. 本期小结

• 问题本质：均匀参数 ≠ 均匀弧长，直接用均匀参数画曲线必然速度不均。
• 解决思路：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 的角色：
  • sp.diff → 求导得弧长微元
  • sp.integrate → 算弧长函数
  • sp.nsolve / scipy.optimize.bisect → 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。