5 行代码秒变数学魔法师：用 SymPy 把圆从公式“打印”到屏幕！

在计算机里画一条圆，无非是把“无限光滑”的几何对象翻译成“有限离散”的数值坐标。SymPy 负责把几何语言写成符号方程，NumPy 负责把符号方程变成高速向量运算，Matplotlib 再把数值结果还原成肉眼可见的图形。下面以半径为 $R_h$ 的圆为例，完整地走一遍从符号到像素的全过程。

1 符号方程
圆在极坐标下的参数方程十分简洁：

$$x(\psi )=R_h\cos \psi ,y(\psi )=R_h\sin \psi ,\psi \in [0,2\pi ).$$

用 SymPy 写成一个 $2\times 1$ 的矩阵即可：

$$\mathbf{S}(\psi )=\left[\begin{array}{c}{R}_h\cos \psi \\ R_h\sin \psi \end{array}\right].$$

2 编译
符号表达式不能直接喂给 CPU，需要借助 lambdify 做一次“即时编译”。它把 SymPy 的 $\cos ,\sin$ 映射到 NumPy 的 np.cos,np.sin，于是整个表达式立刻获得向量化能力，一次可处理上百万个 $\psi$ 值。

3 采样
在 $[0,2\pi )$ 上等间隔地撒 $n$ 个点，既避免首尾重叠，又保证视觉上的均匀。
$${\psi }_k=\frac{2\pi k}{n},k=0,1,\dots ,n-1.$$

4 数值化与可视化
把采样点代入编译后的函数，得到两个长度 $n$ 的浮点数组 x_vals, y_vals。对它们做一次散点或折线绘制，圆就出现在屏幕上了。

下面给出可直接运行的完整代码，复制即得结果。

"""
Circle discretization: SymPy -> NumPy -> Matplotlib
author: you
"""

import numpy as np
import sympy as sy
import matplotlib.pyplot as plt

# -------------------------------------------------
# 1) 符号定义：S(psi) = (R_h cos psi, R_h sin psi)
# -------------------------------------------------
R_h = 5.0                 # 固定半径
psi = sy.symbols('psi')   # 角度变量
S = sy.Matrix([R_h * sy.cos(psi),
               R_h * sy.sin(psi)])

# -------------------------------------------------
# 2) 编译：把符号表达式变成 NumPy 向量化函数
# -------------------------------------------------
x_fn = sy.lambdify(psi, S[0], modules='numpy')
y_fn = sy.lambdify(psi, S[1], modules='numpy')

# -------------------------------------------------
# 3) 采样：在 [0, 2π) 生成 n 个角度
# -------------------------------------------------
n = 200
psi_vals = np.linspace(0, 2*np.pi, n, endpoint=False)

# -------------------------------------------------
# 4) 数值化：计算离散坐标
# -------------------------------------------------
x_vals = x_fn(psi_vals)
y_vals = y_fn(psi_vals)

# -------------------------------------------------
# 5) 可视化：把点连成圆
# -------------------------------------------------
plt.figure(figsize=(4, 4))
plt.plot(x_vals, y_vals, lw=2, color='#1f77b4')
plt.scatter(x_vals[::10], y_vals[::10], color='k', s=10)  # 稀疏点标记
plt.gca().set_aspect('equal')
plt.title(f'Circle, $R_h = {R_h}$')
plt.xlabel('$x$')
plt.ylabel('$y$')
plt.tight_layout()
plt.show()

运行后，你将看到一个半径为 $5$ 的圆，既保留了符号方程的精确，也展现了数值离散的效率。