在解决物理和工程问题时，“选择比努力更重要”。 选择一个合适的坐标系，往往能把一个复杂的偏微分方程变成简单的代数方程。

• 方方正正的物体（如芯片、房间）：用直角坐标。
• 轴对称的物体（如光纤、波导、同轴电缆）：用柱坐标。
• 中心对称的物体（如原子、行星、点波源）：用球坐标。

本文将总结这三者之间的转换关系，并附带 Python 代码实现。

01. 直角坐标系 (Cartesian Coordinates)

这是我们最熟悉的“出厂设置”。

• 定义：通过三条互相垂直的轴 \((x, y, z)\) 来定位空间中的一点。
• 基矢量：\(\hat{x}, \hat{y}, \hat{z}\) (或 \(\vec{i}, \vec{j}, \vec{k}\))。
• 微元体积：\(dV = dx dy dz\)。

02. 柱坐标系 (Cylindrical Coordinates)

想象你把一张二维的极坐标图，沿着 z 轴拉长成一根管子。

2.1 定义

由三个参数 \((\rho, \phi, z)\) 构成： * \(\rho\) (径向距离)：点到 z 轴 的垂直距离 (\(\rho \ge 0\))。 * \(\phi\) (方位角)：点在 xy 平面上的投影与 x 轴的夹角 (\(0 \le \phi < 2\pi\))。 * \(z\) (高度)：与直角坐标的 z 完全一样。

2.2 转换公式

从 柱坐标 \((\rho, \phi, z)\) \(\to\) 直角坐标 \((x, y, z)\)：

从 直角坐标 \((x, y, z)\) \(\to\) 柱坐标 \((\rho, \phi, z)\)：

• 微元体积：\(dV = \rho d\rho d\phi dz\) (注意多了一个雅可比因子 \(\rho\))。

[Image of Cylindrical coordinate system diagram]

03. 球坐标系 (Spherical Coordinates)

这是处理球对称问题（如氢原子波函数）的神器。 注意：数学界和物理/工程界对符号的定义常有不同，本文采用ISO 标准/物理学通用定义。

3.1 定义

由三个参数 \((r, \theta, \phi)\) 构成： * \(r\) (径向距离)：点到 原点 的距离 (\(r \ge 0\))。 * \(\theta\) (极角/天顶角)：点与 z 轴正方向 的夹角 (\(0 \le \theta \le \pi\))。 * \(\phi\) (方位角)：点在 xy 平面上的投影与 x 轴的夹角 (\(0 \le \phi < 2\pi\))。这与柱坐标的 \(\phi\) 是一样的。

3.2 转换公式

从 球坐标 \((r, \theta, \phi)\) \(\to\) 直角坐标 \((x, y, z)\)：

从 直角坐标 \((x, y, z)\) \(\to\) 球坐标 \((r, \theta, \phi)\)：

• 微元体积：\(dV = r^2 \sin\theta dr d\theta d\phi\) (注意雅可比因子是 \(r^2 \sin\theta\))。

[Image of Spherical coordinate system diagram]

04. Python 代码实战

在实际计算中（特别是涉及大量数据点时），我们强烈建议使用 numpy，因为它能自动处理数组运算，并且 arctan2 函数能完美解决分母为 0 和象限判断的问题。

```python import numpy as np

class CoordTransform: """ 空间坐标系转换工具类 支持单点或 Numpy 数组的批量转换 """

@staticmethod
def cartesian_to_cylindrical(x, y, z):
    """直角 (x,y,z) -> 柱 (rho, phi, z)"""
    rho = np.sqrt(x**2 + y**2)
    phi = np.arctan2(y, x) % (2 * np.pi) # 归一化到 [0, 2pi]
    return rho, phi, z

@staticmethod
def cylindrical_to_cartesian(rho, phi, z):
    """柱 (rho, phi, z) -> 直角 (x,y,z)"""
    x = rho * np.cos(phi)
    y = rho * np.sin(phi)
    return x, y, z

@staticmethod
def cartesian_to_spherical(x, y, z):
    """直角 (x,y,z) -> 球 (r, theta, phi)"""
    r = np.sqrt(x**2 + y**2 + z**2)
    # 防止 r=0 导致除零错误
    theta = np.zeros_like(r)
    mask = r > 0
    if isinstance(r, np.ndarray):
        theta[mask] = np.arccos(z[mask] / r[mask])
    elif r > 0:
        theta = np.arccos(z / r)

    phi = np.arctan2(y, x) % (2 * np.pi)
    return r, theta, phi

@staticmethod
def spherical_to_cartesian(r, theta, phi):
    """球 (r, theta, phi) -> 直角 (x,y,z)"""
    x = r * np.sin(theta) * np.cos(phi)
    y = r * np.sin(theta) * np.sin(phi)
    z = r * np.cos(theta)
    return x, y, z

--- 测试案例 ---

if name == "main": # 定义一个直角坐标点: (1, 1, 1) x, y, z = 1.0, 1.0, 1.0 print(f"原始直角坐标: ({x}, {y}, {z})")

# 1. 转柱坐标
rho, phi, z_cyl = CoordTransform.cartesian_to_cylindrical(x, y, z)
print(f"柱坐标: rho={rho:.2f}, phi={np.degrees(phi):.2f}°, z={z_cyl}")

# 2. 转球坐标
r, theta, phi_sph = CoordTransform.cartesian_to_spherical(x, y, z)
print(f"球坐标: r={r:.2f}, theta={np.degrees(theta):.2f}°, phi={np.degrees(phi_sph):.2f}°")

# 3. 验证还原
x_new, y_new, z_new = CoordTransform.spherical_to_cartesian(r, theta, phi_sph)
print(f"还原直角坐标: ({x_new:.2f}, {y_new:.2f}, {z_new:.2f})")