使用Python绘制3D笛卡尔网格

Question

我刚开始学习Python，遇到了一个问题，想要画一个图。

我有一大堆点（大约42000个），每个点都有X、Y、Z坐标，还有一些相关的变量（比如温度、水分含量等）。我想把这些东西都画在一个图上，但以我现在的Python水平，感觉这几乎不可能。所有这些点都在一个规则的笛卡尔坐标网格上。所以我想用numpy来生成一个网格，但我卡住了……基本上，我想把一维的向量（比如X、Y、Z和温度T）转换成一个三维的网格，并且希望能有插值的数据。这可能吗？

你能帮我吗？

Answer 1

看看matplotlib吧，它是一个很好用的Python绘图模块，里面有很多图示，你应该能找到你需要的东西！

看看这些链接：

• 第一个例子
• 特定的3D例子

Answer 2

这段数据看起来有点复杂，所以我觉得你需要一个专门用来查看3D数据的工具，而MayaVi就是一个很不错的选择。

这里有个例子：

最重要的是，它非常互动，所以我可以用鼠标轻松地抓住并移动切片平面，甚至可以倾斜它们来探索数据的体积信息（这非常有用，因为在这个例子中，我们可以看到内部大部分是红色的，而仅仅从表面是无法猜测到的）：

下面是代码，这只是这个的稍微修改版：

from mayavi import mlab
import numpy as np

x, y, z = np.ogrid[-2:2:20j, -2:2:20j, -2:2:20j]
s = np.sin(x*y*z + x + y*z)/(x*y*z + x + y*z)

mlab.pipeline.image_plane_widget(mlab.pipeline.scalar_field(s),
                            plane_orientation='x_axes',
                            slice_index=20,
                        )
mlab.pipeline.image_plane_widget(mlab.pipeline.scalar_field(s),
                            plane_orientation='y_axes',
                            slice_index=20,
                        )
mlab.pipeline.image_plane_widget(mlab.pipeline.scalar_field(s),
                            plane_orientation='z_axes',
                            slice_index=20,
                        )
mlab.outline()
mlab.show()

Answer 3

我不太明白你想要什么。不过如果你想做一个四维图，那你就需要一个第四个维度（你有没有想要的例子呢？）。在这个例子中，我用颜色作为另一个维度，我在三维空间（R^3）中绘制了一个高斯分布，中心点在(0,0,0)，每个点的颜色代表了函数的值。

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

X, Y, Z = np.mgrid[-1:1:10j, -1:1:10j, -1:1:10j]

T = np.exp(-X**2 - Y**2 - Z**2)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
scat = ax.scatter(X, Y, Z, c=Z.flatten(), alpha=0.5)
fig.colorbar(scat, shrink=0.5, aspect=5)

你可以使用scipy.interpolate来处理插值的部分。