python画立体温度分布图_Origin绘制3D立体温度分布图的方法

最新推荐文章于 2025-08-13 21:35:23 发布

最新推荐文章于 2025-08-13 21:35:23 发布 · 4.1k 阅读

文章标签：

#python画立体温度分布图

本文介绍如何使用Origin软件绘制3D立体温度分布图，包括数据准备、绘图步骤及后期调整等内容。

很多时候处理数据时需要绘制立体图，如温度分布等。那么本文就讲解下在Origin中如何绘制下图所示的3D立体温度分布图呢?

绘图所用数据下载地址：http://pan.baidu.com/share/link?shareid=1466663877&uk=3509330452

1、数据下载完成后，用Origin 9.0打开，并双击1调出数据1。

2、进入Plot菜单下的3D Surface，点击Color Map Surface得到下图。

3、双击得到的3D图，调出Plot Details-Plot Properties对话框。

点击Surface，勾选Parametric Surface。

X Matrix选择Mat(2)，Y Matrix选择Mat(3)。

4、设置完后的效果图如下，一个很大的球形。

5、点击Graph工具栏中的Rescale按钮，即可看到完整的球形效果图。

接下来开始对球形表面进行填充及颜色调整。

6、双击3D图，调出Plot Details-Plot Properties对话框。

点击Fill，取消Contour fill from matrix后面的Self勾选，选择Mat(4)。

7、填充后的效果图如下，不过几乎都是一个颜色。

这是因为Contour(等高线)的颜色设置范围太大造成的。

更多相关阅读

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_40005330

关注关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【用python画出惊艳的的3d论文图】3D曲面图

weixin_45920673的博客

07-03

3763

在科研绘图中经常需要绘制一些3D曲面图，使用Origin可以达到下面的效果：但是用Origin自带的功能很难调出令人满意的配色，而其实用python也可以达到与上面类似的效果：绘制方法如下，首先引入一些包 from matplotlib import cbook from matplotlib import cm from matplotlib.colors import LightSource from mpl_toolkits.axes_grid1 import make_axes_locata

python画二维温度云图_lammps温度云图

weixin_39579483的博客

11-23

2719

转自：小木虫田淮安的回答。LAMMPS中的温度是由原子的动能计算而来的，具体可参见手册compute temp command一节的说明。LAMMPS的模拟结果，我这里指的是dump命令得到的lammpstrj文件，主要内容都是每个时刻每个原子的信息，包括坐标、速度、动能、势能等等（这些是由dump命令来设置的）。只要你的lammpstrj里面有动能数据，上面的图就容易画。方法一：用OVITO...

参与评论您还未登录，请先登录后发表或查看评论

三维温度图

09-24

但是最近在论坛中碰到不少同学需要将这个温度图改为三维的，其实改为三维的并不难，因为上一篇中HeatMap是用Mesh绘制的，因此我们只要给网格一个高度值就可以变成三维的温度图，但是为了效果我们准备增加一些单位和网格作为基础，接下来我们看看如何实现吧。（这里的网格和之前UGUI自定义组件中网格并不一样，因为之前的是纯2D的网格绘制，而这里我们改为三维网格绘制，其实也很简单）

【python】使用plotly画三维立体高逼格图，数据可视化

12-22

使用plotly画三维立体高逼格图，代码传送门： import plotly.graph_objects as go import numpy as np np.random.seed(1) N = 70 fig = go.Figure(data=[go.Mesh3d(x=(70*np.random.randn(N)), y=(55*np.random.randn(N)), z=(40*np.random.randn(N)), opacity=0.5,

MATLAB提取和筛选热成像图上的温度数据

m0_46416432的博客

07-06

8529

一张热成像图片上只能直观显现温度的相对分布，无法具体获得温度的数据，因此要利用MATLAB进行后续的操作。一张热成像图为彩色图片，不同像素点的颜色代表着不同的温度，白色到黑色为高温到低温，即颜色越亮代表温度越高。热成像仪导出的图像格式为*.BMP，是一种位图，但在MATLAB将其转换为像素图易产生噪点，十分影响后续的温度提取，因此要先将BMP格式转换为JPG格式。

利用Python绘制 3D 体素色温图

TSINGHUAJOKING

02-10

3347

简介：测试了Matplotlib中的体素绘制函数 voxels() ，但是无论是在 AI Studio中执行，还是直接在本地执行，都会出了错误。也就是无法通过 gca(projection=‘3d’) 获得绘制对象。具体问题现在还无法确定。关键词： voxels，体素色温图 #mermaid-svg-opU3THyZLyYv76S5 .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font..

python立体图形_Python 立体图形的画法（一）

weixin_28835551的博客

02-21

1352

1.条形图的立体画法import randomimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltimport matplotlib.dates as mdatesmpl.rcParams['font.size']=10# 坐标轴标签的字体大小fig=plt.figure(figsize=(10,5))#...

python绘制密度分布图_Python-Matplotlib做二维密度分布图

weixin_39894932的博客

12-05

1867

之前一直想尝试着用Matplotlib绘制计算结果中的二维密度分布图，这样即省去了许多数据处理的麻烦，也方便直接在Linux系统中观察计算的结果。但对Numpy和Maltplotlib的熟练程度还不够，对于计算程序产生的非矩阵式的数据结构不知道该怎么处理。今天花了一早上仔细研究了一下，终于将这块硬骨头啃下来了。做colormap图的关键在于矩阵的创建，作为坐标的x与y在形状上为呈转置关系的两个矩阵...

python二维分布图怎么画_Python-Matplotlib做二维密度分布图

weixin_39659837的博客

11-20

1780

python二维分布图怎么画_Python可视化二维高斯分布

weixin_39945810的博客

11-23

3006

2020年7月26日2020年7月26日|by YoungTimes|No commentsPython可视化二维高斯分布Social LSTM论文中有一张展示行人运动轨迹概率分布的效果图，今天抽空研究下如何用Python可视化二维高斯分布(Gauss Distribution)。可视化二维高斯分布(Gauss Distribution)本质上是以2D方式展示3D数据(第三维是概率密度)，Pyth...

python实现画一个立体的心，送给女朋友（zb神器）

04-27

用python画一个立体的心，代码很简单，认真看看很快就会了，小白程序员必备zb图，可以给朋友秀一秀

Unity3D 3D温度图

09-25

最近在论坛中碰到不少同学需要将这个温度图改为三维的，其实改为三维的并不难，因为上一篇中HeatMap是用Mesh绘制的，因此我们只要给网格一个高度值就可以变成三维的温度图，但是为了效果我们准备增加一些单位和网格作为基础，接下来我们看看如何实现吧。（这里的网格和之前UGUI自定义组件中网格并不一样，因为之前的是纯2D的网格绘制，而这里我们改为三维网格绘制，其实也很简单）

Python 绘制酷炫的三维图步骤详解

09-19

本文分步骤给大家介绍了Python 绘制如此酷炫的三维图效果 ,需要的朋友可以参考下

Origin绘制直方图+轴须图｜科研论文图表教程（附数据格式模板）

热门推荐

SpringD

09-24

1万+

前言上一篇博客中我门实现了一个平面的温度图，但是最近在论坛中碰到不少同学需要将这个温度图改为三维的，其实改为三维的并不难，因为上一篇中HeatMap是用Mesh绘制的，因此我们只要给网格一个高度值就可以变成三维的温度图，但是为了效果我们准备增加一些单位和网格作为基础，接下来我们看看如何实现吧。（这里的网格和之前UGUI自定义组件中网格并不一样，因为之前的是纯2D的网格绘制，而这里我们改为三维网

（第一期）Python三维绘图、绘制立体图形、PythonTurtle画图教程、PythonTurtle绘制立体图形、Python维度转换程序（保姆级教程）

2401_82923585的博客

03-06

2261

dim_perspective_convert_dim(((（投影）幕布的X轴, （投影）幕布的Y轴), （投影）幕布的边长的一半), (（观察点）的视角, (观察点）的X轴（向左增加）, （观察点）的Y轴（向后增加）, （观察点）的Z轴（向下增加）), (（观察点）的俯仰角, （观察点）的滚转角, （观察点）的自转角度)))从(0, 0, 0)画线到(1, 0, 5)；从(0, 0, 0)画线到(0, 1, 5)；从(0, 0, 0)画线到(0, 0, 5)。那么点的坐标就应该是(1, 1, 5)。

python绘制origin高斯分布

02-21

### 使用 Python 绘制类似 Origin 软件的高斯分布图 为了实现这一目标，可以利用 `matplotlib` 和 `scipy` 库来创建高质量的二维高斯分布图像。下面是一个详细的实例说明。 #### 导入所需库首先需要导入必要的 Python 依赖文件[^2]： ```python %matplotlib inline import matplotlib.pyplot as plt plt.style.use('seaborn-white') import numpy as np from scipy.stats import multivariate_normal ``` #### 定义网格和多变量正态分布定义用于计算的概率密度函数以及相应的坐标网格[^3]： ```python # 创建一个均值向量和协方差矩阵 mean = [0, 0] covariance_matrix = [[1, 0], [0, 1]] # 构建X-Y平面内的点集 x = np.linspace(-5, 5, 100) y = np.linspace(-5, 5, 100) X, Y = np.meshgrid(x, y) pos = np.empty(X.shape + (2,)) pos[:, :, 0] = X pos[:, :, 1] = Y rv = multivariate_normal(mean, covariance_matrix) Z = rv.pdf(pos) ``` #### 可视化设置通过不同方法展示二维高斯分布的效果： ##### 方法一：使用 `imshow()` 函数显示热力图形式的高斯分布 ```python fig, ax = plt.subplots(figsize=(8, 6)) im = ax.imshow(Z, extent=[-5, 5, -5, 5], origin='lower', cmap='viridis') ax.set_xlabel('X axis') ax.set_ylabel('Y axis') ax.set_title('Gaussian Distribution Heatmap with imshow()', pad=20) cbar = fig.colorbar(im, ax=ax) cbar.ax.set_ylabel('Probability Density') plt.show() ``` ##### 方法二：使用 `contourf()` 函数填充轮廓线之间的区域并叠加等高线 ```python fig, ax = plt.subplots(figsize=(8, 6)) cfset = ax.contourf(X, Y, Z, cmap='coolwarm') cset = ax.contour(X, Y, Z, colors='k') ax.clabel(cset, inline=True, fontsize=10) ax.set_xlabel('X axis') ax.set_ylabel('Y axis') ax.set_title('Filled Contours Plot of Gaussian Distribution') fig.colorbar(cfset, ax=ax) plt.show() ``` 上述两种绘图方式都可以很好地模拟 Origin 中常见的高斯分布图表样式。每种方法都有其特点，在实际应用中可以根据具体需求和个人喜好选择合适的方式。