S3Dlib | 太炫酷！所有3D图形它都可以绘制...

最新推荐文章于 2024-08-11 19:37:21 发布

数据魅力(DataCharm)

最新推荐文章于 2024-08-11 19:37:21 发布

阅读量969

点赞数 8

分类专栏：科研绘图数据可视化文章标签： 3d

本文链接：https://blog.csdn.net/qq_40483688/article/details/139532029

版权

数据可视化同时被 2 个专栏收录

35 篇文章 5 订阅

订阅专栏

科研绘图

22 篇文章 0 订阅

订阅专栏

前言
- 一、「s3dlib」-Python中王炸3D绘图神器
- 二、可视化学习圈子是干什么的？
- 三、系统学习可视化
- 四、猜你喜欢

前言

我们的数据可视化课程已经上线啦！！目前课程的主要方向是 科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。课程免费新增，这点绝对良心！

我们第一个数据可视化交流圈子也已经上线了，主要以我的第一本书籍《科研论文配图绘制指南-基于Python》为基础进行拓展，提供「课堂式」教学视频，还有更多拓展内容，可视化技巧远超书籍本身，书籍修正和新增都会分享到圈子里面~~

参与课程或者圈子的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。

「s3dlib」-Python中王炸3D绘图神器

之前有介绍过Python语言中的一些3D图形绘制工具，大部分都是第三方的工具，其语法和Python基础绘图工具Matplotlib有着较大的不同，今天给大家推荐一个直接基于Matplotlib工具的3D图形王炸绘制工具-「S3Dlib」

s3dlib工具介绍

S3Dlib是一个用于可视化三维曲面和线条的 Python 库，可与Matplotlib库结合使用。

S3Dlib采用面向对象的方法来构建三维曲面和线条。通过在本地坐标系中预定义的三维曲面网格，S3Dlib 可轻松构建曲面对象，从而实现更高级的三维功能关系。

S3Dlib类直接源自Matplotlib 类。因此，在使用 S3Dlib 时，可以使用该库提供的所有对象属性。一旦创建，S3Dlib 对象将直接添加到 Matplotlib Axes3D 中。

即S3Dlib用于创建对象，然后使用 Matplotlib 进行对象渲染和图形注释。

可通过如下语句便捷的安装S3Dlib工具：

pip install s3dlib

s3dlib3D图形可视化案例

S3Dlib中提供了多个绘制3D图形的函数，下面就简单介绍下小编认为比较炫酷的3D图形作品。

Matplotlib Examples

import numpy as np
import matplotlib.pyplot as plt
import s3dlib.surface as s3d

#.. Contours in spherical coordinates

#.. Matplotllib Examples: contour(x, y, z) and contourf(x, y)
def z_func(xyz) :
    x,y,z = xyz
    Z =  (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)
    return x,y,Z

pi = np.pi

def rpt_func(rtp) :
    r,t,p = rtp
    # map to flat xyz plane [-3,3]
    x = 3*(t/pi - 1)
    y = 3*(2*p/pi -1)
    z = np.zeros(len(x))
    x,y,z = z_func([x,y,z])  # <-- use Matplotlib functional form
    # transform to a spherical coordinates, (r,t,p)
    t = (x/3 +1)*pi
    p = (y/3 +1)*pi/2
    r = z + 2   # <-- shift the radius
    return r,t,p

# 2. Setup and map surface .........................................
rez = 5
surface = s3d.SphericalSurface(rez,cmap='jet').domain(3)
surface.map_geom_from_op(rpt_func)
surface.map_cmap_from_op()  # default: radial direction operation

contours = surface.contourLineSet(10) # default: spherical contours

# 3. Construct figure, add surface, and plot ......................

fig = plt.figure(figsize=(8,3.5))
fig.text(0.5,0.975,str(surface), ha='center', va='top', fontsize='smaller')
minmax,ticks = (-3,3),[-3,0,3]
for i in range(2) :
    ax = fig.add_subplot(121+i, projection='3d')
    ax.set(xticks=ticks,yticks=ticks,zticks=ticks,
           xlim=minmax, ylim=minmax, zlim=minmax )
    ax.tick_params(labelcolor='w')
    ax.set_proj_type('ortho')
    ax.view_init(azim=-145)
    ax.xaxis.set_pane_color([1,1,1])
    ax.yaxis.set_pane_color([1,1,1])
    ax.zaxis.set_pane_color([1,1,1])
    
    ax.add_collection3d(contours.fade(ax=ax) if i==0 else surface.shade(.2,ax=ax))

fig.tight_layout(pad=0)

plt.show()

Matplotlib绘图案例

Surface Plots

import numpy as np
import matplotlib.pyplot as plt
import s3dlib.surface as s3d
import s3dlib.cmap_utilities as cmu  

#.. Function plots, z = f(x,y) 

# 1. Define functions to examine ....................................
# all functions normalized into the domain [-1.1]

def Ackley(xyz) :
    x,y,z = xyz
    X,Y = 5*x, 5*y
    st1 = -0.2*np.sqrt( 0.5*( X*X + Y*Y) )
    Z1 = -20.0*np.exp(st1)
    st2 = 0.5*( np.cos(2*np.pi*X) +  np.cos(2*np.pi*Y) )
    Z2 = -np.exp(st2) + np.e + 20
    Z = Z1 + Z2
    return x,y, Z/8 - 1

def Himmelblau(xyz) :
    x,y,z = xyz
    X,Y = 5*x, 5*y
    Z1 = np.square( X*X + Y - 11 )
    Z2 = np.square( Y*Y + X - 7  ) 
    Z = Z1 + Z2
    return x,y, Z/500 - 1

def Rosenbrock(xyz) :
    x,y,z = xyz
    X,Y = 2*x, 2*y+1
    Z1 = np.square( 1 - X )
    Z2 = 100*np.square( Y - X*X  ) 
    Z = Z1 + Z2
    return x,y, Z/1000 - 1

def Rastrigin(xyz) :
    x,y,z = xyz
    X,Y = 5*x, 5*y
    Z = 20 + X*X + Y*Y - 10*np.cos(2*np.pi*X) - 10*np.cos(2*np.pi*Y)
    return x,y, Z/40 - 1

# ..........................
def nonlinear_cmap(n) :
    # assume -1 < n < 1, nove to domain of [0,1]
    N = (n+1)/2
    return np.power( N, 0.1 )

# 2 & 3. Setup surfaces and plot ....................................
rez=6
cmap = cmu.hsv_cmap_gradient( 'b' , 'r' , smooth=0.8)
funcList = [ Ackley, Himmelblau, Rosenbrock, Rastrigin ]

minmax, ticks = (-1,1), (-1,0,1)
fig = plt.figure(figsize=(8,6))
for i in range(4) :
    # setup surfaces ....... 
    surface = s3d.PlanarSurface(rez,basetype='oct1')
    surface.map_geom_from_op(funcList[i])
    surface.map_cmap_from_op(lambda xyz :  nonlinear_cmap(xyz[2]), cmap )
    # ...................... 
    ax = fig.add_subplot(2,2,1+i, projection='3d')
    ax.set(xlim=minmax, ylim=minmax, zlim=minmax )
    ax.set_title(surface.name, fontsize='large', horizontalalignment='left')
    ax.set_xticks(ticks)
    ax.set_yticks(ticks)
    ax.set_zticks(ticks)
    ax.set_proj_type('ortho')
    ax.view_init(25)

    ax.add_collection3d(surface.shade(.5))

fig.tight_layout(pad=1)
plt.show()

还可以绘制以下样式：

Surface Image Mapping

这个部分的代码较为繁琐，我直接给出绘制结果：

更多关于S3Dlib工具的使用语法和可视化案例，读者可参考S3Dlib官网[1]

可视化学习圈子是干什么的？

可视化学习圈子是书籍「科研论文配图绘制指南-基于Python」一书的学下圈子：主要通过以下几个方面，给大家带来比纸质书籍更丰富的学习内容：

视频教学，和读者零距离互动交流
及时修正勘误和定期新增绘制知识点
拓展衍生，绘图知识点远超书籍本身
直播视频+拓展资料+答疑，学习更高效

「PS」：我们直播教学内容为课堂式教学，原作者带着大家对书籍一章、一节、一页的进行教学。而且直播的视频都会通过剪辑后整理成课程，圈子中的同学可以免费、反复观看。当然，新增内容和定期答疑，直播也是如此。

为何会有这个书籍学习社群？无门槛的微信群难免会鱼龙混杂，问题和质量都无法得到保证，而且一些关键问题经常被淹没，且没有沉淀价值。
随着添加我微信的人日益增多，向我提问的人也越来越多，随便回答一下就太不负责任了；不回答也不是很好；如果都仔细回答，我也有自己的工作并且确实很忙，真的有点心有余而力不足！所以我才会建立这么一个渠道来沉淀我的可视化技巧和分享经验，以及给大家提供一个坚持学习的平台。

微信扫码下方二维码即可参与我们的书籍学习圈子啦：

微信扫码即可加入学习圈子

系统学习可视化

当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的 阅读原文。