第4章：Python环境搭建与光学计算库

说实话，很多搞光学的同行一听到「编程」就头大。我当年也是。记得第一次用Python算光斑尺寸，光是装库就折腾了一下午。后来发现，其实就那么几个工具，用顺手了比手算快十倍。

这一章，咱们就把环境搭好，把几个核心库摸熟。后面所有光斑尺寸的计算，都靠它们了。

4.1 为什么选Python做光学计算？

你可能会问：Matlab不是更专业吗？嗯，Matlab确实强，但Python有个杀手锏——免费且开源。我在公司里搭计算平台，总不能给每个工程师都配一套Matlab license吧？

Python做光学计算，核心优势就三条：

• 生态全：NumPy做矩阵运算，SciPy做积分优化，Matplotlib画图，一条龙
• 社区活：光斑尺寸、高斯光束、衍射计算，网上代码一搜一大把
• 上手快：语法接近自然语言，比C++友好太多了

4.2 环境搭建：三步走

咱们分三步走，每一步我都踩过坑，你照着来就行。

4.2.1 安装Python（推荐Anaconda）

去Anaconda官网下载对应系统的安装包。我建议选Python 3.9或3.10版本，太新的版本有些光学库还没适配。

# 安装完成后，打开终端（或Anaconda Prompt）验证
python --version
# 应该输出：Python 3.9.x 或 3.10.x

conda --version
# 应该输出：conda 4.x.x

4.2.2 安装三大核心库

如果你用的是Anaconda，NumPy和Matplotlib已经预装了。但保险起见，咱们还是更新到最新版：

# 使用conda安装（推荐）
conda install numpy scipy matplotlib

# 或者使用pip
pip install numpy scipy matplotlib

4.2.3 验证安装

写个简单脚本测试一下：

import numpy as np
import scipy
import matplotlib.pyplot as plt

print(f"NumPy版本: {np.__version__}")
print(f"SciPy版本: {scipy.__version__}")

# 生成一个简单的正弦波并绘图
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y)
plt.title("测试：正弦波")
plt.show()

如果能弹出窗口显示正弦波，恭喜你，环境搭好了！

4.3 三大库速览：光学人该知道什么

这三个库各有分工，我画了张图帮你理清关系：

4.4 NumPy基础：光斑计算的基石

NumPy的核心是ndarray——多维数组。在光学里，一个光斑就是二维数组，每个元素代表该点的光强。

4.4.1 创建光斑网格

import numpy as np

# 创建一个100x100的网格，范围-5mm到5mm
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)

# 模拟一个高斯光斑（后面章节会细讲）
sigma = 1.0  # 光斑半径
Z = np.exp(-(X**2 + Y**2) / (2 * sigma**2))

print(f"光斑矩阵形状: {Z.shape}")  # (100, 100)
print(f"中心光强: {Z[50, 50]:.4f}")  # 约1.0

4.4.2 常用操作

4.5 SciPy：光学计算的瑞士军刀

SciPy建立在NumPy之上，提供了更高级的数学工具。做光斑计算，我最常用的是这几个模块：

• scipy.integrate：数值积分，用于计算衍射积分、光斑能量占比
• scipy.optimize：优化与拟合，用于从实测数据反推光斑参数
• scipy.special：特殊函数，如贝塞尔函数、误差函数，常见于衍射理论

4.5.1 计算光斑能量占比

比如，你想知道光斑半径内包含了多少能量：

from scipy import integrate
import numpy as np

# 高斯光斑的径向能量分布
def gaussian_intensity(r, sigma=1.0):
    return 2 * np.pi * r * np.exp(-r**2 / (2 * sigma**2))

# 计算1/e²半径内的能量占比
r_e2 = 2 * sigma  # 1/e²半径
energy_within, _ = integrate.quad(gaussian_intensity, 0, r_e2, args=(1.0,))
total_energy, _ = integrate.quad(gaussian_intensity, 0, np.inf, args=(1.0,))
ratio = energy_within / total_energy

print(f"1/e²半径内能量占比: {ratio:.2%}")  # 约86.5%

4.6 Matplotlib：让光斑看得见

光斑计算的结果，光看数字是不够的。一张图胜过千言万语，尤其是光斑的二维分布。

4.6.1 绘制光斑分布图

import matplotlib.pyplot as plt
import numpy as np

# 生成光斑数据
x = np.linspace(-3, 3, 200)
y = np.linspace(-3, 3, 200)
X, Y = np.meshgrid(x, y)
Z = np.exp(-(X**2 + Y**2) / 2)

# 绘制光斑
plt.figure(figsize=(8, 6))
plt.imshow(Z, extent=[-3, 3, -3, 3], cmap='hot', origin='lower')
plt.colorbar(label='归一化光强')
plt.title('高斯光斑分布')
plt.xlabel('x (mm)')
plt.ylabel('y (mm)')
plt.grid(False)
plt.show()

4.6.2 一维截面分析

很多时候，我们更关心光斑的一维截面：

# 取中心行截面
center_row = Z[100, :]
plt.figure(figsize=(8, 4))
plt.plot(x, center_row, 'b-', linewidth=2)
plt.axhline(y=np.exp(-2), color='r', linestyle='--', label='1/e²')
plt.axvline(x=1, color='g', linestyle='--', label='1/e²半径')
plt.xlabel('x (mm)')
plt.ylabel('归一化光强')
plt.legend()
plt.title('光斑一维截面')
plt.grid(True, alpha=0.3)
plt.show()

4.7 其他光学计算库简介

除了三大库，还有几个专业光学库，我简单提一下：

4.8 本章小结

环境搭好了，工具认识了，接下来就可以真正开始算光斑尺寸了。下一章咱们会从最基础的高斯光束开始，一步步推导光斑尺寸公式，并用Python实现。

嗯，说句实在的，环境搭建这一步虽然枯燥，但基础打牢了，后面会顺很多。我当年就是图省事，结果后面每算一个光斑都要重新装库，烦得很。你一次搞定，后面就只管算数了。