13. 可视化实例

最新推荐文章于 2022-06-30 16:04:02 发布

我成为一只小羊

最新推荐文章于 2022-06-30 16:04:02 发布

阅读量1k

点赞数

文章标签：可视化 mlab 数据可视化

本文链接：https://blog.csdn.net/Exupery_/article/details/77113193

版权

这篇博客深入探讨了使用mlab进行标量和矢量数据的可视化，包括等值面、切平面、Quiver绘图、Flow可视化等多种技术。在Mac上，部分功能可能会遇到闪退问题。

摘要由CSDN通过智能技术生成

文章目录

标量数据可视化
矢量数据可视化

标量数据可视化

等值面

import numpy as np
from mayavi import mlab

x, y, z = np.ogrid[-10:10:20j, -10:10:20j, -10:10:20j]
s = np.sin(x*y*z)/(x*y*z)

mlab.contour3d(s)
mlab.show()

这里写图片描述

切平面

import numpy as np
from mayavi import mlab

x, y, z = np.ogrid[-10:10:20j, -10:10:20j, -10:10:20j]
s = np.sin(x*y*z)/(x*y*z)


mlab.pipeline.image_plane_widget(mlab.pipeline.scalar_field(s),  # 数据的标量数据场
                                 plane_orientation='x_axes',  # 切平面的方向
                                 slice_index=10
                                 )
mlab.pipeline.image_plane_widget(mlab.pipeline.scalar_field(s),
                                 plane_orientation='y_axes',
                                 slice_index=10
                                 )
mlab.outline()
mlab.show()

复合观测

import numpy as np
from mayavi import mlab

x, y, z = np.ogrid[-10:10:20j, -10:10:20j, -10:10:20j]
s = np.sin(x * y * z) / (x * y * z)

src = mlab.pipeline.scalar_field(s)
mlab.pipeline.iso_surface(src, contours=[s.min() + 0.1 * s