powierzchnie działek w matplotlib

Question

Mam listę 3-tek reprezentujących zbiór punktów w przestrzeni 3D. Chcę wykreślić powierzchnię obejmującą wszystkie te punkty. Funkcja plot_surface w pakiecie mplot3d wymaga jako argumentów X, Y i Z, które są tablicami 2d. Czy funkcja działki to właściwa funkcja do wykreślania powierzchni i jak mogę przekształcić moje dane do wymaganego formatu?

data = [(x1,y1,z1),(x2,y2,z2),.....,(xn,yn,zn)]

Answer 1

Na powierzchni jest nieco inna niż lista 3-krotki, należy przekazać w siatce dla domeny w 2D tablic.

Jeśli wszystko, co masz, to lista punktów 3d, a nie jakaś funkcja f(x, y) -> z, to będziesz miał problem, ponieważ istnieje wiele sposobów na triangulację tej chmury punktów 3D na powierzchnię.

Oto przykład gładka powierzchnia:

import numpy as np 
from mpl_toolkits.mplot3d import Axes3D 
import matplotlib.pyplot as plt 
import random 

def fun(x, y): 
    return x**2 + y 

fig = plt.figure() 
ax = fig.add_subplot(111, projection='3d') 
x = y = np.arange(-3.0, 3.0, 0.05) 
X, Y = np.meshgrid(x, y) 
zs = np.array([fun(x,y) for x,y in zip(np.ravel(X), np.ravel(Y))]) 
Z = zs.reshape(X.shape) 

ax.plot_surface(X, Y, Z) 

ax.set_xlabel('X Label') 
ax.set_ylabel('Y Label') 
ax.set_zlabel('Z Label') 

plt.show() 

Answer 2

check oficjalna przykładem. X, Y i Z są rzeczywiście tablicami 2d, numpy.meshgrid() to prosty sposób na uzyskanie siatki 2d x, y z wartości 1 xi y.

http://matplotlib.sourceforge.net/mpl_examples/mplot3d/surface3d_demo.py

oto pythonic sposób do konwersji 3-krotki do 3 1d tablic.

data = [(1,2,3), (10,20,30), (11, 22, 33), (110, 220, 330)] 
X,Y,Z = zip(*data) 
In [7]: X 
Out[7]: (1, 10, 11, 110) 
In [8]: Y 
Out[8]: (2, 20, 22, 220) 
In [9]: Z 
Out[9]: (3, 30, 33, 330) 

Oto triangulacji mtaplotlib Delaunay (interpolacja), konwertuje 1D X, Y, Z w coś zgodnego (?):

http://matplotlib.sourceforge.net/api/mlab_api.html#matplotlib.mlab.griddata

Answer 3

W Matlab Zrobiłem coś podobnego przy użyciu funkcji delaunay na tylko współrzędne (a nie z), a następnie wykreślenie za pomocą trimesh lub trisurf, używając jako wzrostu wysokości.

SciPy ma klasę Delaunay, która jest oparta na tej samej podstawowej bibliotece QHull, którą pełni funkcja Matlaba delaunay, więc powinieneś uzyskać identyczne wyniki.

Z tego miejsca powinno być kilka linii kodu, aby przekonwertować ten przykład Plotting 3D Polygons in python-matplotlib na to, co chcesz osiągnąć, ponieważ Delaunay podaje specyfikację każdego trójkątnego wielokąta.

Answer 4

Po prostu natknąłem się na ten sam problem. Mam równomiernie rozmieszczone dane, które są w 3 macierzach 1-D, zamiast tablic 2D, które chce mieć matplotlib. Moje dane znajdowały się w pandas.DataFrame, więc tutaj jest matplotlib.plot_surface example z modyfikacjami do wykreślania 3 tablic 1-D.

from mpl_toolkits.mplot3d import Axes3D 
from matplotlib import cm 
from matplotlib.ticker import LinearLocator, FormatStrFormatter 
import matplotlib.pyplot as plt 
import numpy as np 

X = np.arange(-5, 5, 0.25) 
Y = np.arange(-5, 5, 0.25) 
X, Y = np.meshgrid(X, Y) 
R = np.sqrt(X**2 + Y**2) 
Z = np.sin(R) 

fig = plt.figure() 
ax = fig.gca(projection='3d') 
surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm, 
    linewidth=0, antialiased=False) 
ax.set_zlim(-1.01, 1.01) 

ax.zaxis.set_major_locator(LinearLocator(10)) 
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f')) 

fig.colorbar(surf, shrink=0.5, aspect=5) 
plt.title('Original Code') 

To jest oryginalny przykład. Dodanie tego następnego bitu powoduje utworzenie tego samego wykresu z 3 tablic 1-D.

# ~~~~ MODIFICATION TO EXAMPLE BEGINS HERE ~~~~ # 
import pandas as pd 
from scipy.interpolate import griddata 
# create 1D-arrays from the 2D-arrays 
x = X.reshape(1600) 
y = Y.reshape(1600) 
z = Z.reshape(1600) 
xyz = {'x': x, 'y': y, 'z': z} 

# put the data into a pandas DataFrame (this is what my data looks like) 
df = pd.DataFrame(xyz, index=range(len(xyz['x']))) 

# re-create the 2D-arrays 
x1 = np.linspace(df['x'].min(), df['x'].max(), len(df['x'].unique())) 
y1 = np.linspace(df['y'].min(), df['y'].max(), len(df['y'].unique())) 
x2, y2 = np.meshgrid(x1, y1) 
z2 = griddata((df['x'], df['y']), df['z'], (x2, y2), method='cubic') 

fig = plt.figure() 
ax = fig.gca(projection='3d') 
surf = ax.plot_surface(x2, y2, z2, rstride=1, cstride=1, cmap=cm.coolwarm, 
    linewidth=0, antialiased=False) 
ax.set_zlim(-1.01, 1.01) 

ax.zaxis.set_major_locator(LinearLocator(10)) 
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f')) 

fig.colorbar(surf, shrink=0.5, aspect=5) 
plt.title('Meshgrid Created from 3 1D Arrays') 
# ~~~~ MODIFICATION TO EXAMPLE ENDS HERE ~~~~ # 

plt.show() 

Oto uzyskane dane:

Answer 5

zrobić to z niektórych liniach w python wykorzystujących pandy, fabuła jest piękny!

from mpl_toolkits.mplot3d import Axes3D 
import matplotlib.pyplot as plt 
from matplotlib import cm 
import numpy as np 
import pandas as pd 
from sys import argv 

file = argv[1] 

x,y,z = np.loadtxt(file, unpack=True) 
df = pd.DataFrame({'x': x, 'y': y, 'z': z}) 

fig = plt.figure() 
ax = Axes3D(fig) 
surf = ax.plot_trisurf(df.x, df.y, df.z, cmap=cm.jet, linewidth=0.1) 
fig.colorbar(surf, shrink=0.5, aspect=5) 
plt.savefig('teste.pdf') 
plt.show() 

W razie potrzeby można przekazać vmin i vmax w celu zdefiniowania zakresu paska kolorów, np.

surf = ax.plot_trisurf(df.x, df.y, df.z, cmap=cm.jet, linewidth=0.1, vmin=0, vmax=2000)