前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python作图三维等高面

Python作图三维等高面

作者头像
DechinPhy
发布2024-05-22 08:05:45
480
发布2024-05-22 08:05:45
举报
文章被收录于专栏:Dechin的专栏Dechin的专栏

技术背景

对于等高线,大家都是比较熟悉的,因为日常生活中遇到的山体和水面,都可以用一系列的等高线描绘出来。而等高面,顾名思义,就是在三维空间“高度一致”的曲面。当然了,在二维平面上我们所谓的“高度”实际上就是第三个维度的值,但是三维曲面所谓的“高度”,实际上我们可以理解为密度。“高度”越高,“密度”越大。

等高线作图

如果是Python中画等高线,这个用Matplotlib就可以实现,这里就直接放一个Matplotlib的官方示例

代码语言:javascript
复制
import matplotlib.pyplot as plt
import numpy as np

plt.style.use('_mpl-gallery-nogrid')

# make data
X, Y = np.meshgrid(np.linspace(-3, 3, 256), np.linspace(-3, 3, 256))
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)
levels = np.linspace(np.min(Z), np.max(Z), 7)

# plot
fig, ax = plt.subplots()

ax.contour(X, Y, Z, levels=levels)

plt.show()

输出图像为:

其实关于Matplotlib还有一些可玩性更高的操作,比如画一个三维空间的断层扫描等高线:

实现的代码也是比较简单的:

代码语言:javascript
复制
# 该函数在z3维度做了断层
def plot3d(distribution, z1, z2, z3, z_level=[0, 5, 10, 15, 20, 25], levels=np.arange(0, 500, 50)):
    import matplotlib.pyplot as plt
    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')
    idZ = np.array(z_level, np.int32)
    for idx in idZ:
        Z = z3[idx]
        g = ax.contourf(
            z1, z2, distribution[:, :, idx],
            zdir='z', offset=z3[idx], levels=levels
        )
    fig.colorbar(g, ax=ax)
    gap = (z3[idZ[-1]]-z3[idZ[0]])/10
    ax.set_zlim(z3[idZ[0]]-gap,z3[idZ[-1]]+gap)
    ax.set_xlabel('X')
    ax.set_ylabel('Y')
    ax.set_zlabel('Z')
    plt.show()

但是因为画出来的图效果也是比较一般,而且速度并不是很快,因此关于这类问题,我还是比较推荐使用Plotly的登高面作图。

等高面作图

这里的数据没办法直接提供,有作图需求的童鞋可以自行准备数据。数据的维度为:z1->(m,),z2->(n,),z3->(p,),distribution->(m,n,p)。在作图函数的内部我们可以用一个meshgrid的操作对z1,z2,z3做展开,但是准备数据阶段我们就尽可能的简单就行了。这里直接上代码:

代码语言:javascript
复制
def iso_surface(distribution, z1, z2, z3, show=True, save_file=None, colorbar_min=0., colorbar_max=500.,
                opacity=0.4, surface_number=3):
    import os
    try:
        import plotly.graph_objects as go
        import plotly.offline as offline
    except ImportError:
        # 确保plotly正常安装
        os.system('python3 -m pip install --upgrade plotly')
        import plotly.graph_objects as go
        import plotly.offline as offline
    # Plotly作图要求数据展平,这里我们手动操作
    x, y, z = np.meshgrid(z1, z2, z3)
    distribution = distribution.reshape(-1)
    fig= go.Figure(data=go.Isosurface(
        x=x.reshape(-1),
        y=y.reshape(-1),
        z=z.reshape(-1),
        value=distribution,
        isomin=colorbar_min,
        isomax=colorbar_max,
        opacity=opacity,
        surface_count=surface_number
    ))
    if save_file is not None:
        import plotly.io as pio
        fmt = save_file.split('.')[-1]
        # Plotly支持的图片导出格式就是这几种了
        if fmt not in ['png', 'jpg', 'jpeg', 'webp', 'svg', 'pdf', 'eps']:
            raise ValueError("The format {} is not supported in plotly!".format(fmt))
        try:
            pio.write_image(fig, format=fmt, file=save_file)
        except ValueError:
            # 导出图片需要依赖kaleido环境
            os.system('python3 -m pip install --upgrade kaleido')
            pio.write_image(fig, format=fmt, file=save_file)
    # Plotly生成的结果是以html格式保存的,我们做了一个简单的本地备份
    if os.path.exists('offline_plot.html'):
        os.rename('offline_plot.html', 'offline_plot.html.bak')
    # 生成html文件以后选择是否需要打开,默认生成结束之后自动在浏览器打开图像
    if show:
        offline.plot(fig, filename='offline_plot.html', auto_open=True)
    else:
        offline.plot(fig, filename='offline_plot.html', auto_open=False)

为了复现起来容易一些,这里我自己通过添加异常捕获的方法,来确认环境配置问题。最终展示的结果为:

也可以换一个角度看:

这个数据用的跟前面章节展示的断层扫描图是同一个数据,在这个等高面结果中可以看到,三维空间中存在着一条低密度的“通路”。而且最关键的是,这个展示图像除了显示效果不错以外,速度也还是相当可观的,没有出现明显的卡顿。

总结概要

在一维空间下,我们要表示密度时可以给出一个二维的函数y=f(x),画出来是一条二维平面上的曲线。在二维空间下,我们要表示密度可以使用一个三维的函数z=f(x,y),画出来是一个三维空间的曲面。而三维空间下,密度表示是一个四维的函数:q=f(x,y,z),这个密度我们在三维空间已经没有办法用线或者面去表示,只能用体积元的颜色来表示。但是我们可以把这个密度投影到一个三维的等高曲面上,这个曲面就称为等高面。本文介绍了一个python中性能比较好的画等高面的工具:Plotly。

版权声明

本文首发链接为:https://www.cnblogs.com/dechinphy/p/iso-surface.html

作者ID:DechinPhy

参考链接

  1. https://matplotlib.org/stable/plot_types/arrays/contour.html#sphx-glr-plot-types-arrays-contour-py
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-05-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 技术背景
  • 等高线作图
  • 等高面作图
  • 总结概要
  • 版权声明
  • 参考链接
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档