python三维建模可视化与交互,python三维建模可视化

于 2024-04-07 06:53:00 发布
阅读量538 收藏 10
点赞数 9
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Bxwfjdjdbdgj/article/details/137447163
版权

大家好，小编来为大家解答以下问题，python三维建模可视化与交互，python三维建模可视化，今天让我们一起来看看吧！

3D散点

## 3D散点
import matplotlib as mpl
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

xs1 = np.random.randint(30,40,100)
ys1 = np.random.randint(20,30,100)
zs1 = np.random.randint(10,20,100)
xs2 = np.random.randint(50,60,100)
ys2 = np.random.randint(30,40,100)
zs2 = np.random.randint(50,70,100)
xs3 = np.random.randint(10,30,100)
ys3 = np.random.randint(40,50,100)
zs3 = np.random.randint(40,50,100)

# 方式1：设置三维图形模式
fig = plt.figure() # 创建一个画布figure，然后在这个画布上加各种元素。
ax = Axes3D(fig) # 将画布作用于 Axes3D 对象上python自学好学嘛。

ax.scatter(xs1,ys1,zs1) # 画出(xs1,ys1,zs1)的散点图。
ax.scatter(xs2,ys2,zs2,c='r',marker='^')
ax.scatter(xs3,ys3,zs3,c='g',marker='*')

ax.set_xlabel('X label') # 画出坐标轴
ax.set_ylabel('Y label')
ax.set_zlabel('Z label')

plt.show()

在这里插入图片描述

3D曲线

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

# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10

# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')

# 测试数据
theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-4, 4, 100) / 4
r = z**3 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)

# 绘制图形
ax.plot(x, y, z, label='parametric curve')

# 显示图例
ax.legend()

# 显示图形
plt.show()

在这里插入图片描述

3D曲线拟合(含噪音)

# 不含噪声散点图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10

# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')

# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30)
y = x
z = x * x

ax.scatter(x,y,z) # 画出(x,y,z)的散点图。

运行结果：

<mpl_toolkits.mplot3d.art3d.Path3DCollection at 0x2e7d13350d0>
在这里插入图片描述

# 不含噪声曲线图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10

# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')

# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30)
y = x
z = x * x

# 绘制图形
ax.plot(x, y, z, label='parametric curve')

# 显示图例
ax.legend()

# 显示图形
plt.show()

在这里插入图片描述

# 含噪声散点图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10

# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')

# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30) 
y = x + np.random.randn(y.shape[-1]) * 2.5
z = x * x 

ax.scatter(x,y,z) # 画出(x,y,z)的散点图。

运行结果：

<mpl_toolkits.mplot3d.art3d.Path3DCollection at 0x2e7cf46fbe0>
在这里插入图片描述

# 含噪声曲线图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10

# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')

# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30) 
y = x + np.random.randn(x.shape[-1]) * 2.5
z = x * x 

# 绘制图形
ax.plot(x, y, z, label='parametric curve')

# 显示图例
ax.legend()

# 显示图形
plt.show()

在这里插入图片描述

# 含噪声曲线拟合图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt


# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10

# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')

# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30) 
y = x + np.random.randn(x.shape[-1]) * 0.7
z = x * x 

# 绘制图形
ax.plot(x, y, z, label='parametric1 curve')

p_yx = np.polyfit(y,x,2);
x_out = np.polyval(p_yx, y);
p_yz = np.polyfit(y,z,2);
z_out = np.polyval(p_yz, y);
ax.plot(x_out, y, z_out, label='parametric2 curve') 

# 显示图例
ax.legend()

# 显示图形
plt.show()

# 拟合是拟合出一个误差小的曲线，这里并不包括光滑，当噪音大时，拟合的曲线不光滑。

在这里插入图片描述

3D曲面

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

fig = plt.figure()
ax3 = plt.axes(projection='3d')

plt.rcParams['font.sans-serif']=['FangSong'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号

#定义三维数据
xx = np.arange(-5,5,0.5)
yy = np.arange(-5,5,0.5)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(X)+np.cos(Y)

#作图
ax3.plot_surface(X,Y,Z,cmap='rainbow') 
# 改变cmap参数可以控制三维曲面的颜色组合, 一般我们见到的三维曲面就是 rainbow 的

plt.show()

在这里插入图片描述

曲面颜色

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

'''使用figure对象'''
fig = plt.figure()
'''创建3D轴对象'''
ax = Axes3D(fig)
'''X坐标数据'''
X = np.arange(-2,2,0.1)
'''Y坐标数据'''
Y = np.arange(-2,2,0.1)
'''计算3维曲面分格线坐标'''
X,Y = np.meshgrid(X,Y)
'''用于计算X/Y对应的Z值'''
def f(x,y):
    return (1-y**5+x**5)*np.exp(-x**2-y**2)
'''plot_surface函数可绘制对应的曲面'''
ax.plot_surface(X,Y,f(X,Y),rstride=1,cstride=1,cmap=plt.cm.cool) # 通过修改camp修改曲面颜色
'''显示'''
plt.show()

在这里插入图片描述

曲面旋转

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

'''使用figure对象'''
fig = plt.figure()
'''创建3D轴对象'''
ax = Axes3D(fig)
'''X坐标数据'''
X = np.arange(-2,2,0.1)
'''Y坐标数据'''
Y = np.arange(-2,2,0.1)
'''计算3维曲面分格线坐标'''
X,Y = np.meshgrid(X,Y)
'''用于计算X/Y对应的Z值'''
def f(x,y):
    return (1-y**5+x**5)*np.exp(-x**2-y**2)
'''plot_surface函数可绘制对应的曲面'''
ax.plot_surface(X,Y,f(X,Y),rstride=1,cstride=1,cmap=plt.cm.hot)
'''旋转'''
ax.view_init(elev=30,azim=125)
'''显示'''
plt.show()

在这里插入图片描述

3D条形图

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

x = np.arange(8)
y = np.random.randint(0,10,8)

y2 = y + np.random.randint(0,3,8)
y3 = y2 + np.random.randint(0,3,8)
y4 = y3 + np.random.randint(0,3,8)
y5 = y4 + np.random.randint(0,3,8)

clr = ['red','green','blue','black','white','yellow','orange','pink']

fig = plt.figure()
ax = Axes3D(fig)

ax.bar(x,y,0,zdir='y',color=clr)
ax.bar(x,y2,10,zdir='y',color=clr)
ax.bar(x,y3,20,zdir='y',color=clr)
ax.bar(x,y4,30,zdir='y',color=clr)
ax.bar(x,y5,40,zdir='y',color=clr)

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

plt.show()

在这里插入图片描述

附录01：三维绘图函数Axes3D

① mpl_toolkits.mplot3d是Matplotlib里面专门用来画三维图的工具包。

② Axes3D是mpl_toolkits.mplot3d中的一个绘图函数。

③ 创建 Axes3D主要有两种方式，一种是利用关键字projection='3d’来实现，另一种则是通过从mpl_toolkits.mplot3d导入对象Axes3D来实现，目的都是生成具有三维格式的对象Axes3D。

附录02：.view_init(elev,azim)

① elev为仰角，azim为方位角。

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
在这里插入图片描述

二、Python必备开发工具

在这里插入图片描述

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
在这里插入图片描述

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
在这里插入图片描述

五、Python练习题

检查学习结果。
在这里插入图片描述

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
在这里插入图片描述
在这里插入图片描述

上述这份完整版的Python全套学习资料已经上传CSDN官方，如果需要可以微信扫描下方CSDN官方认证二维码 即可领取

👉[[CSDN大礼包：《python安装包&全套学习资料》免费分享]]（安全链接，放心点击）

Bxwfjdjdbdgj
关注
  • 9
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Open CASCADE和普通克里金插值的透明矿井水文地质建模软件开发
05-20
利用Open CASCADE的三维图形渲染、可视化交互、编辑等功能和普通克里金的地质统计学插值功能，以Visual Studio为开发工具，以C++和Python为开发语言，SQLite作为地质数据库设计并开发了Hydrogeo3D矿井水文地质建模...
使用Python+VTK实现三维模型的显示和切割（面绘制）
jikuidongke5461的博客
08-12 8336
本文将介绍使用VTK的Python版本完成面绘制已经模型的切割 会使用的模块介绍 1、读取二维图片序列完成面绘制 详情见读取二维序列显示 2、vtk.vtkOutlineFilter()介绍 这个空间就相当于生成渲染模型的轮廓线，比如三维图像大小为（256x256x200），那么这个控件就会生成一个长宽高分别为256想x256x200的一个长方体框架 详细介绍：VTK官方文档 3、隐函数平面模块vtk.vtkImplicitPlaneWidget() 使用该模块可以灵活的调整需要选取的平面 vtkImpl
Python+OpenGL三维模型显示鼠标缩放旋转平移
alicema1111的博客
03-04 944
这篇博客针对《Python+OpenGL三维模型显示鼠标缩放旋转平移》编写代码，代码整洁，规则，易读。 学习与应用推荐首选
通过python将ply文件展示3d模型
Hacker_Hacker007的博客
03-15 839
下载这个就可以了，也可以下载其他的模型，看自己的想法。下载完成后是一个压缩包，里面有很多的ply文件，data中是模型各部分的，resource是整个模型的。ply文件存储了3维模型的点坐标，面坐标，法线，颜色等信息，具体的内容我还在学习当中，不过其中包含三维数组的点足够将模型展示出来了。
Python中的6个三维可视化工具！
小白学视觉
02-18 2039
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达Python拥有很多优秀的三维图像可视化工具，主要基于图形处理库WebGL、OpenGL或者VTK。这些工具主要用于大规模空间标量数据、向量场数据、张量场数据等等的可视化，实际运用场景主要在海洋大气建模、飞机模型设计、桥梁设计、电磁场分析等等。工具背后的算法逻辑非常复杂，由于小编是非专业的，不敢造次。本文简单介绍几个Pytho...
用Matplotlib实现学生成绩的可视化分析.pdf
最新发布
05-08
分析还是数据建模， 都会遇到数据可视化的问题。 数据 可视化就是用有效的方式展示、 分析、 理解数据。 Python 语言中的 Matplotlib 库的数据可视化功能非常强大， 它可 以便捷地根据数据特点进行数据可视化。 ...
详解MATLAB Simulink通信系统建模与仿真 源码.zip
03-12
3. **数据可视化**：内置强大的二维和三维图形绘制功能，能够创建高质量的数据图表，便于数据分析和结果展示。 4. **工具箱扩展**：MathWorks为MATLAB提供了众多领域的专业工具箱，如信号处理、图像处理、通信系统...
基于matlab和simulink的通信系统建模与仿真.zip
03-12
3. **数据可视化**：内置强大的二维和三维图形绘制功能，能够创建高质量的数据图表，便于数据分析和结果展示。 4. **工具箱扩展**：MathWorks为MATLAB提供了众多领域的专业工具箱，如信号处理、图像处理、通信系统...
使用肤色颜色空间建模+连通域处理及分析和Harr-cascade 方法进行人脸检测.zip
03-12
3. **数据可视化**：内置强大的二维和三维图形绘制功能，能够创建高质量的数据图表，便于数据分析和结果展示。 4. **工具箱扩展**：MathWorks为MATLAB提供了众多领域的专业工具箱，如信号处理、图像处理、通信系统...
实战PyQt5：168-数据可视化之三维散点图交互演示
seniorwizard的专栏
05-13 637
本文使用Q3DScatter演示在数据可视中对散点图的交互操作。
python三维数据可视化的多种方法
weixin_44853840的博客
03-23 1733
Python 中的一些库，如MatplotlibMayavi和Plotly等，可以用于创建复杂的三维数据可视化。这些库可以帮助将数据呈现为立体图像、表面图像、曲面图像等。例如，可以使用这些库来创建分子结构可视化、地理图或者医学图像等。
open3d教程(二)：可视化三维模型，并转换成点云（Python版本）
WwLK123的博客
05-11 1800
均匀采样会在表面出现采样点聚集的现象，open3d实现了一种基于poisson_disk方法的采样，能实现表面的均匀采样。可视化效果：可以看出边缘点的分布更加均匀，但是耗时更长。可视化保存的点云文件。
【Python】Python中的6个三维可视化工具！
fengdu78的博客
04-19 4975
Python拥有很多优秀的三维图像可视化工具，主要基于图形处理库WebGL、OpenGL或者VTK。这些工具主要用于大规模空间标量数据、向量场数据、张量场数据等等的可视化，实际运用场景主要在海洋大气建模、飞机模型设计、桥梁设计、电磁场分析等等。工具背后的算法逻辑非常复杂，由于小编是非专业的，不敢造次。本文简单介绍几个Python三维图像可视化工具，工具都有大量demo、...
python数学建模--sympy三维图像绘制
m0_54510474的博客
11-03 3344
sympy三维绘图plot3d类api简介，利用plot3d()绘制二元函数的三维图像
Python使用open3d或matplotlib库实现显示深度3D效果图
May-gemini的博客
07-26 4076
因为客户需要比较直观的看拍摄的深度图的3D效果，所以最好的方法是做成一个可执行的程序给客户，再者python库比较多，实现起来比较快，所以想着用python实现显示深度图的3D效果，代码在windows系统实现并测试通过。......
python+opengl显示三维模型小程序
weixin_34343308的博客
05-07 845
2019独角兽企业重金招聘Python工程师标准>>> ...
python三维数据可视化
04-02
Python中常用的三维数据可视化库有：Matplotlib、Mayavi和Plotly等。 1. Matplotlib：Matplotlib是Python中最常用的绘图库之一，它也支持三维数据的可视化，使用mpl_toolkits.mplot3d子包即可实现。例如，绘制3D散点图： ``` import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = fig.add_subplot(111, projection='3d') x = np.random.normal(size=100) y = np.random.normal(size=100) z = np.random.normal(size=100) ax.scatter(x, y, z) plt.show() ``` 2. Mayavi：Mayavi是基于VTK的Python科学可视化库，主要用于三维数据可视化和交互式数据可视化。它的优点是可以处理大规模数据、可以交互式操作、支持多种数据格式等。例如，绘制3D立方体： ``` from mayavi import mlab mlab.figure(bgcolor=(0.4, 0.4, 0.4)) mlab.box(extent=[-1, 1, -1, 1, -1, 1], color=(0.9, 0.9, 0.9)) mlab.show() ``` 3. Plotly：Plotly是一个交互式数据可视化库，支持多种编程语言，包括Python。它的优点是可以生成交互式图形、可以分享和嵌入到网页中。例如，绘制3D散点图： ``` import plotly.graph_objs as go import numpy as np x, y, z = np.random.multivariate_normal(np.array([0,0,0]), np.eye(3), 200).transpose() trace = go.Scatter3d(x=x, y=y, z=z, mode='markers', marker=dict( size=12, color=z, # set color to an array/list of desired values colorscale='Viridis', # choose a colorscale opacity=0.8 )) data = [trace] layout = go.Layout(margin=dict(l=0,r=0,b=0,t=0)) fig = go.Figure(data=data, layout=layout) fig.show() ``` 以上是三种常用的Python三维数据可视化库的简单示例，使用这些库可以轻松地进行三维数据的可视化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值