Mlab中基于Numpy的3D绘图函数

2023-12-21 10:32
文章标签 函数 3d 绘图 numpy mlab

本文主要是介绍Mlab中基于Numpy的3D绘图函数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Python科学计算三维可视化
黄天羽、嵩天

Mlab 基础

mayavi.mlab.show(func = None, stop = False)

基于numpy绘图

mlab对Numpy建立可视化过程
  1. 建立数据源
  2. 使用Filter(可选)
  3. 添加可视化模块

3D绘图函数

Points3d()
  • 基于Numpy数组x、 y、 z提供的三维点坐标,绘制点图形(0D数据)

  • 函数形式:
    points3d(x, y, z…)points3d(x, y, z, s, …)points3d(x, y, z, f, …)

  • x,y,z 表示 numpy 数组、列表或者其他形式的点三维坐标

  • s 表示在该坐标点处的标量值

  • f 表示通过函数f(x,y,z)返回的标量值

  • 参数
    参数

  • from mayavi import mlab
    import numpy as npt = np.linspace(0, 4*np.pi, 20)
    x = np.sin(2*t)
    y = np.cos(t)
    z = np.cos(2*t)
    s = 2 + np.sin(t)points = mlab.points3d(x, y, z, s, colormap = 'Reds', scale_factor = 0.25)
    mlab.show()

    points3d

Plot3d()
  • 基于1维Numpy数组x、 y、 z提供的三维坐标数据,绘制线

    图形(1D数据)

  • from mayavi import mlab
    import numpy as npn_mer, n_long = 6, 11
    dphi = np.pi / 1000.0
    phi = np.arange(0.0, 2*np.pi + 0.5*dphi, dphi)
    mu = phi * n_mer
    x = np.cos(mu) + (1+np.cos(n_long*mu/n_mer)*0.5)
    y = np.sin(mu) + (1+np.cos(n_long*mu/n_mer)*0.5)
    z = np.sin(n_long * mu / n_mer) * 0.5l = mlab.plot3d(x, y, z, np.sin(mu), tube_radius = 0.025, colormap = 'Spectral')
    mlab.show()

    plot3d

imshow()
  • from mayavi import mlab
    import numpy as nps = np.random.random((10, 10))img = mlab.imshow(s, colormap = 'gist_earth')
    mlab.show()

    imshow

surf()
  • from mayavi import mlab
    import numpy as npdef f(x, y):return np.sin(x-y) + np.cos(x + y)x, y = np.mgrid[-7.:7.05:0.1, -5.:5.05:0.05]
    s = mlab.surf(x, y, f)
    mlab.show()

    surf

  • contour_surf()
    contour_surf

contour3d()
  • from mayavi import mlab
    import numpy as npx, y, z = np.ogrid[-5:5:64j, -5:5:64j, -5:5:64j]
    scalars = x*x + y*y + z*zobj = mlab.contour3d(scalars, contours=8, transparent=True)
    mlab.show()

    contour3d

quiver3d()
  • import numpy as np
    from mayavi import mlabx, y, z = np.mgrid[-2:3, -2:3, -2:3]
    r = np.sqrt(x ** 2 + y ** 2 + z ** 4)
    u = y * np.sin(r)/(r + 0.001)
    v = -x * np.sin(r)/(r+0.001)
    w = np.zeros_like(z)obj = mlab.quiver3d(x, y, z, u, v, w, line_width=3, scale_factor=1)
    mlab.show()

    quiver3d

这篇关于Mlab中基于Numpy的3D绘图函数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/519661

相关文章

MySQL中COALESCE函数示例详解

《MySQL中COALESCE函数示例详解》COALESCE是一个功能强大且常用的SQL函数,主要用来处理NULL值和实现灵活的值选择策略,能够使查询逻辑更清晰、简洁,:本文主要介绍MySQL中C... 目录语法示例1. 替换 NULL 值2. 用于字段默认值3. 多列优先级4. 结合聚合函数注意事项总结C

Java8需要知道的4个函数式接口简单教程

《Java8需要知道的4个函数式接口简单教程》:本文主要介绍Java8中引入的函数式接口,包括Consumer、Supplier、Predicate和Function,以及它们的用法和特点,文中... 目录什么是函数是接口?Consumer接口定义核心特点注意事项常见用法1.基本用法2.结合andThen链

MySQL 日期时间格式化函数 DATE_FORMAT() 的使用示例详解

《MySQL日期时间格式化函数DATE_FORMAT()的使用示例详解》`DATE_FORMAT()`是MySQL中用于格式化日期时间的函数,本文详细介绍了其语法、格式化字符串的含义以及常见日期... 目录一、DATE_FORMAT()语法二、格式化字符串详解三、常见日期时间格式组合四、业务场景五、总结一、

golang panic 函数用法示例详解

《golangpanic函数用法示例详解》在Go语言中,panic用于触发不可恢复的错误,终止函数执行并逐层向上触发defer,最终若未被recover捕获,程序会崩溃,recover用于在def... 目录1. panic 的作用2. 基本用法3. recover 的使用规则4. 错误处理建议5. 常见错

Python itertools中accumulate函数用法及使用运用详细讲解

《Pythonitertools中accumulate函数用法及使用运用详细讲解》:本文主要介绍Python的itertools库中的accumulate函数,该函数可以计算累积和或通过指定函数... 目录1.1前言:1.2定义:1.3衍生用法:1.3Leetcode的实际运用:总结 1.1前言:本文将详

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

轻松上手MYSQL之JSON函数实现高效数据查询与操作

《轻松上手MYSQL之JSON函数实现高效数据查询与操作》:本文主要介绍轻松上手MYSQL之JSON函数实现高效数据查询与操作的相关资料,MySQL提供了多个JSON函数,用于处理和查询JSON数... 目录一、jsON_EXTRACT 提取指定数据二、JSON_UNQUOTE 取消双引号三、JSON_KE

MySQL数据库函数之JSON_EXTRACT示例代码

《MySQL数据库函数之JSON_EXTRACT示例代码》:本文主要介绍MySQL数据库函数之JSON_EXTRACT的相关资料,JSON_EXTRACT()函数用于从JSON文档中提取值,支持对... 目录前言基本语法路径表达式示例示例 1: 提取简单值示例 2: 提取嵌套值示例 3: 提取数组中的值注意

Java function函数式接口的使用方法与实例

《Javafunction函数式接口的使用方法与实例》:本文主要介绍Javafunction函数式接口的使用方法与实例,函数式接口如一支未完成的诗篇,用Lambda表达式作韵脚,将代码的机械美感... 目录引言-当代码遇见诗性一、函数式接口的生物学解构1.1 函数式接口的基因密码1.2 六大核心接口的形态学

numpy求解线性代数相关问题

《numpy求解线性代数相关问题》本文主要介绍了numpy求解线性代数相关问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 在numpy中有numpy.array类型和numpy.mat类型,前者是数组类型,后者是矩阵类型。数组