Numpy用不熟？结合Matplotlib 来画一个魔方玩玩儿吧！

最新推荐文章于 2024-09-20 20:42:06 发布
最新推荐文章于 2024-09-20 20:42:06 发布
阅读量1.8k 收藏 23
点赞数 15
分类专栏： 瞎鼓捣 文章标签： python numpy matplotlib 瞎鼓捣
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/weixin_44456692/article/details/119977172
版权

瞎鼓捣系列~
Numpy + matplotlib 画一个魔方

文章目录

前言

NumPy是Python科学计算的基本包。它是一个Python库，提供了多维数组对象、各种派生对象(如掩码数组和矩阵)，以及用于对数组进行快速操作的各种例程，包括数学、逻辑、形状操作、排序、选择、I/O、离散傅里叶变换、基本线性代数、基本的统计运算，随机模拟等等。
github
官方文档

最近项目中有个码垛规划的需求，Numpy中的三维数组特别好用，就鼓捣了一下。
然后我看到桌子上两年前买的魔方，好久没玩儿过了。头脑一热，就想用Numpy画个魔方出来！

在这里插入图片描述

开搞！

这里选择使用Matplotlib作为可视化工具
Matplotlib GitHub
Matplotlib 官方文档

构建体素

为了制作魔方，主要用到Matplotlib中的一个函数voxels

voxels([x, y, z, ]/, filled, facecolors=None, edgecolors=None, **kwargs)
绘制一组填充体素
所有体素在坐标轴上绘制为1x1x1立方体，filled[0, 0, 0]的lower corner位于原点。被遮挡的面不再绘制。

以3x3x3魔方为例：

import matplotlib.pyplot as plt
import numpy as np
# 准备一组体素坐标
n_voxels = np.ones((3, 3, 3), dtype=bool)
# 绘制
ax = plt.figure().add_subplot(projection='3d')
ax.voxels(n_voxels)
plt.show()

在这里插入图片描述
可以看到，虽然出现了3x3x3个体素，但是体素与体素之间的没有间隙，看起来不是很美观。

制作间隙效果

为了让体素与体素之间有间隙，可以对3x3x3的体素进行上采样，即构建一个5x5x5的体素，这样在每一个维度，让处于两个体素中间的体素不显示，即可产生间隙的效果。

size = np.array(n_voxels.shape) * 2
filled_2 = np.zeros(size - 1, dtype=n_voxels.dtype)
filled_2[::2, ::2, ::2] = n_voxels


ax = plt.figure().add_subplot(projection='3d')
ax.voxels(filled_2)
plt.show()

在这里插入图片描述
这样间隙有了，但是间隙太大了，此时可以使用voxels函数的可选参数[x, y, z]控制每一个voxel的顶点位置，进而控制间隙的大小

# 缩小间隙
# 构建voxels顶点控制网格
# x, y, z均为6x6x6的矩阵，为voxels的网格
# //2是为了，把索引范围从[0 1 2 3 4 5]转换为[0 0 1 1 2 2],这样x,y,z范围就回到了0~3
x, y, z = np.indices(np.array(filled_2.shape) + 1).astype(float) // 2   

x[1::2, :, :] += 0.95
y[:, 1::2, :] += 0.95
z[:, :, 1::2] += 0.95

在这里插入图片描述
这样间隙就看起来差不多了，接下来就是为魔方的六个面添加颜色了。

为每个面赋不同的颜色

由于只能给每个体素整体一个颜色，不能对一个体素的不同面指定不同的颜色，所以为了实现六个面不同颜色，只能将3x3x3的矩阵改为5x5x5，将最外边的那一层体素厚度设小一点，近似于面，然后赋颜色。

import matplotlib.pyplot as plt
import numpy as np

# 准备一些坐标
n_voxels = np.ones((5, 5, 5), dtype=bool)

# 生成间隙
size = np.array(n_voxels.shape) * 2
filled_2 = np.zeros(size - 1, dtype=n_voxels.dtype)
filled_2[::2, ::2, ::2] = n_voxels

# 缩小间隙
# 构建voxels顶点控制网格
# x, y, z均为6x6x8的矩阵，为voxels的网格，3x3x4个小方块，共有6x6x8个顶点。
# 这里//2是精髓，把索引范围从[0 1 2 3 4 5]转换为[0 0 1 1 2 2],这样就可以单独设立每个方块的顶点范围
x, y, z = np.indices(np.array(filled_2.shape) + 1).astype(float) //2  # 3x6x6x8，其中x,y,z均为6x6x8

x[1::2, :, :] += 0.95
y[:, 1::2, :] += 0.95
z[:, :, 1::2] += 0.95
# 修改最外面的体素的厚度，作为六个面来使用
x[0, :, :] += 0.94
y[:, 0, :] += 0.94
z[:, :, 0] += 0.94

x[-1, :, :] -= 0.94
y[:, -1, :] -= 0.94
z[:, :, -1] -= 0.94
# 去除边角料
filled_2[0, 0, :] = 0
filled_2[0, -1, :] = 0
filled_2[-1, 0, :] = 0
filled_2[-1, -1, :] = 0

filled_2[:, 0, 0] = 0
filled_2[:, 0, -1] = 0
filled_2[:, -1, 0] = 0
filled_2[:, -1, -1] = 0

filled_2[0, :, 0] = 0
filled_2[0, :, -1] = 0
filled_2[-1, :, 0] = 0
filled_2[-1, :, -1] = 0

在这里插入图片描述

然后就是给六个面赋不同的颜色了。

六个方向表示：上(up)、下(down)、左(left)、右(right)、前(front)、后(back)
六种颜色表示：黄色(yellow)、白色(white)、橙色(orange)、红色(red)、蓝色(blue)、绿色(green)
初始的魔方组成形式为：上黄，下白，左橙，右红，前蓝，后绿。

参考：颜色大全https://www.5tu.cn/colors/yansebiao.html

# 给魔方六个面赋予不同的颜色
colors = np.array(['#ffd400', "#fffffb", "#f47920", "#d71345", "#145b7d", "#45b97c"])
facecolors = np.full(filled_2.shape, '#77787b')  # 设一个灰色的基调
facecolors[:, :, -1] = colors[0]
facecolors[:, :, 0] = colors[1]
facecolors[:, 0, :] = colors[2]
facecolors[:, -1, :] = colors[3]
facecolors[0, :, :] = colors[4]
facecolors[-1, :, :] = colors[5]

在这里插入图片描述

完整代码

完整 代码如下：

# -*- coding: utf-8 -*-
# @Time : DATE:2021/8/29
# @Author : yan
# @Email : 1792659158@qq.com
# @File : blogDemo.py

import matplotlib.pyplot as plt
import numpy as np


def generate_rubik_cube(nx, ny, nz):
    """
    根据输入生成指定尺寸的魔方
    :param nx:
    :param ny:
    :param nz:
    :return:
    """
    # 准备一些坐标
    n_voxels = np.ones((nx + 2, ny + 2, nz + 2), dtype=bool)

    # 生成间隙
    size = np.array(n_voxels.shape) * 2
    filled_2 = np.zeros(size - 1, dtype=n_voxels.dtype)
    filled_2[::2, ::2, ::2] = n_voxels

    # 缩小间隙
    # 构建voxels顶点控制网格
    # x, y, z均为6x6x8的矩阵，为voxels的网格，3x3x4个小方块，共有6x6x8个顶点。
    # 这里//2是精髓，把索引范围从[0 1 2 3 4 5]转换为[0 0 1 1 2 2],这样就可以单独设立每个方块的顶点范围
    x, y, z = np.indices(np.array(filled_2.shape) + 1).astype(float) // 2  # 3x6x6x8，其中x,y,z均为6x6x8

    x[1::2, :, :] += 0.95
    y[:, 1::2, :] += 0.95
    z[:, :, 1::2] += 0.95

    # 修改最外面的面
    x[0, :, :] += 0.94
    y[:, 0, :] += 0.94
    z[:, :, 0] += 0.94

    x[-1, :, :] -= 0.94
    y[:, -1, :] -= 0.94
    z[:, :, -1] -= 0.94

    # 去除边角料
    filled_2[0, 0, :] = 0
    filled_2[0, -1, :] = 0
    filled_2[-1, 0, :] = 0
    filled_2[-1, -1, :] = 0

    filled_2[:, 0, 0] = 0
    filled_2[:, 0, -1] = 0
    filled_2[:, -1, 0] = 0
    filled_2[:, -1, -1] = 0

    filled_2[0, :, 0] = 0
    filled_2[0, :, -1] = 0
    filled_2[-1, :, 0] = 0
    filled_2[-1, :, -1] = 0

    # 给魔方六个面赋予不同的颜色
    colors = np.array(['#ffd400', "#fffffb", "#f47920", "#d71345", "#145b7d", "#45b97c"])
    facecolors = np.full(filled_2.shape, '#77787b')  # 设一个灰色的基调
    # facecolors = np.zeros(filled_2.shape, dtype='U7')
    facecolors[:, :, -1] = colors[0]	# 上黄
    facecolors[:, :, 0] = colors[1]	    # 下白
    facecolors[:, 0, :] = colors[2]  	# 左橙
    facecolors[:, -1, :] = colors[3]	# 右红
    facecolors[0, :, :] = colors[4]	    # 前蓝
    facecolors[-1, :, :] = colors[5]	# 后绿

    ax = plt.figure().add_subplot(projection='3d')
    ax.voxels(x, y, z, filled_2, facecolors=facecolors)
    plt.show()


if __name__ == '__main__':
    generate_rubik_cube(3, 3, 3)

可根据输入生成不同尺寸的魔方：
4x4x4:
在这里插入图片描述
6x6x6
在这里插入图片描述
甚至是4x4x6，不过这就不是咱平时玩儿的魔方了~
在这里插入图片描述

薛定猫
关注
专栏目录
使用Matplotlib绘制3d图形
qinshi501的博客
01-18 1246
为了绘制立体，主要用到Matplotlib中的一个函数voxels绘制一组填充体素，所有体素在坐标轴上绘制为1x1x1立方体，filled[0, 0, 0]的lower corner位于原点。被遮挡的面不再绘制。
三维体素图绘制实验与教程
full_adder的博客
06-17 3467
还是实验课内容，数据是Transunet的标签数据存成了npy格式，想把多器官分割结果用立体的方式表现出来，完整代码在最后，前面主要是搞的一些测试。体素的绘图具体参考了链接【1】，主要工具是python matplotlib包。matplotlib的一大主要问题就是大数据画图慢，因而下面体素的流程演示的数据采用【1】中的随机数生成。 xyzvalues = np.random.choice(range(0,10), size=(10,10,10)) 首先结论是在大数据量时，散点图是绝对优于体素的，核心原因
轻松上手：Python 3.6 环境下 PCL 库安装指南
gitblog_06572的博客
09-20 829
轻松上手：Python 3.6 环境下 PCL 库安装指南 python3.6python安装PCL适用命令行或pycham中 项目地址: https://gitcode.com/Resource-Bundle-Collecti...
使用matplotlab可视化体素voxel
york1996的博客
09-27 4538
from mpl_toolkits.mplot3d import Axes3D#这一句虽然显示灰色，但是去掉会报错。 import numpy as np import matplotlib.pyplot as plt def showVoxel(voxel): fig = plt.figure() ax = fig.gca(projection='3d') ax.v...
16、Python 第三方库：matplotlib 基础入门
Man
03-21 1253
1. matplotlib 简介 matplotlib库中最重要的matplotlib.pyplot模块，该模块允许你做出2D图形，功能和MATLAB的作图功能类似。 引入matplotlib.pyplot模块：import matplotlib.pyplot as plt jupter notebook中使用魔方方法显示图像：%matplotlib inline 2. matplotlib.pyp
matplotlib 齐次坐标系 绘制旋转 3D 立体
荷碧TongZJ 的水文
04-02 1869
齐次坐标系描述了刚体的坐标系、位置，而且还提供了一套相对旋转、相对移动、绝对旋转、绝对移动的方法，用来绘制旋转的 3D 立体是再好不过的选择。
虚拟魔方——使用python对普通三阶魔方进行建模
qq_45362415的博客
02-20 4451
使用python对普通三阶魔方进行建模整体构想建立虚拟魔方为魔方的26个方块进行定义利用图形化软件表示魔方对魔方进行操作实现对魔方公式的优化利用python进行实现利用代码构建虚拟魔方利用代码定义虚拟魔方的26个方块 今天为了教妹妹玩儿魔方，又拿起了初中学会的几个公式。其实我拼魔方很菜的，只是知道几个公式(准确的说是三个…)突发奇想，能不能用python建立一个存在于电脑中的数字化普通三阶魔方。这...
numpy-pandas-matplotlib练习题（作业）.ipynb
11-10
数据分析作业，numpy、pandas、matplotlib练习题，自己出的，有兴趣的可以作为参考。
薪水预测：一个使用线性回归和库numpy，pandas，sklearn，matplotlib预测排尿的小型项目
03-02
在这个名为“薪水预测”的小型项目中，我们主要探讨如何利用Python的数据分析和机器学习库来构建一个线性回归模型，以此预测个人的薪水。项目主要涉及了numpy、pandas、sklearn和matplotlib这四个关键库，它们在数据...
numpy-numpy教程之Matplotlib.zip
05-19
NumPy主要用于处理大型多维数组和矩阵，而Matplotlib则是一个用于创建高质量2D和3D图形的库。这两个库结合使用，可以实现数据的高效分析与可视化。 **NumPy库** NumPy（Numerical Python）是Python编程语言中的一...
基于python\numpy\pandas\xarray\matplotlib的气象数据处理、程序设程序设计及绘图
09-16
【作品名称】：基于python\numpy\pandas\xarray\matplotlib\cartopy\metpy的气象数据处理、程序设 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或...
Python 魔方方法总结
03-20
该文档总结了Python魔方基本常用方法，与大家共享，欢迎下载。
在Python中利用matplotlib、numpy、Image等模块来设计一个直方图统计照片的亮度
06-27
在Python中利用matplotlib、numpy、Image等模块来设计一个直方图统计照片的亮度
使用python绘制三维圆柱网格模型图——voxels函数的使用
sinat_38553254的博客
03-05 3563
最近接到老师的新任务——画一个XXX的三维模型图，和师兄交流后大概知道了要做什么，在师兄的建议下成功入了python的坑。 然而网上查了很长时间才在matplotlib的example中找到了这种画圆柱网格的模型图的实例。 实例 import matplotlib.pyplot as plt import matplotlib.colors import numpy as np from mpl_toolkits.mplot3d import Axes3D def midpoints(x): sl
Matplotlib系列(二)：设置、样式及颜色风格
hustlei的专栏
01-11 3445
文章目录简介思维导图Matplotlib样式设置及注释文本1. rcParams配置1.1 配置字典rcParams和配置文件1.2 获取配置1.3 修改配置1.4 配置文件1.5 常用配置选项2. 样式表StyleSheet2.1 使用样式的方法2.2 预定义样式2.3 自定义样式3. ColorMap颜色风格3.1 ColorMap用法3.2 内置ColorMap简介参考资料 简介 Matplotlib提供了非常强大的自定义配置接口和文本标注功能。 Matplotlib提供了三种方式自定义配置。 统一
python魔方阵
爆笑蛙的博客
08-27 1979
使用python解决魔方阵问题，首先找出魔方阵的规律，再根据魔方阵的规律编写程序解决问题。n阶魔方阵中数字的排布规律：数字1一定位于第一行的中间列，从1开始向右上方递增1，如果超出了上边界则把超出的数字放到同一列的最后一行，如果超出了右边界则把超出的数字放到同一行的第一列，如果递增数字的位置已存在数字则向下方递增，而且需要向下方递增的数字总是n的整数倍。
python复原魔方
weixin_70407612的博客
07-23 1294
①按Windows键（键盘左下角小窗户）+R键，输入cmd。①按command+空格键，输入终端。接着根据终端提示输入密码。③同Windows系统相同。
【PCL】win+python-pcl安装及配置
热门推荐
weixin_52031103的博客
03-17 1万+
参考博客 Win10下python-pcl库的安装配置 目录参考博客我终于成功了！！！！我的环境功能快捷键一、一些需要下载的文件二、安装PCL与环境变量的配置安装PCL：添加环境变量三、安装模块四、测试 我终于成功了！！！！ 因为要利用pcl库处理一些点云，在经历无数次失败后，终于配置好了pcl库。希望和我一样配置pcl环境的人能少走一些弯路，打算写一篇博客记录下来我的过程，这也是我的第一篇博客，若有不正确或不严谨的地方，希望大家多多指正！ 我的环境 anaconda3(python3.6) win11
matplotlib笔记04
black000shirt的博客
01-26 207
坐标系 1、直角坐标系 默认的就是二维直角坐标系 三维直角坐标系 from matplotlib.pyplot import plt from mpl_toolkits.mplot3d import axes3d fig=plt.figure() ax=fig.gca(projection='3d') # fig.gca() 当前fig里的axes对象 # projection 设置坐标系 ax.view_init(elev=elev,azim=azim) # 调整相机视角，elev沿y轴转，azim沿
Numpy 与 Matplotlib生成一个二维的高斯矩阵，并画出图形
最新发布
10-10
Numpy 和 Matplotlib 是 Python 中用于科学计算和数据可视化的两个重要库。要生成一个二维的高斯分布矩阵并将其可视化，首先需要安装这两个库，如果尚未安装可以使用 pip 安装： ```bash pip install numpy matplotlib ``` 然后，你可以按照以下步骤操作： 1. 导入所需的库： ```python import numpy as np import matplotlib.pyplot as plt ``` 2. 定义高斯函数（通常称为正态分布），其公式为：`gaussian(x, mean=0, std_dev=1)`，其中 `x` 是位置，`mean` 是均值，`std_dev` 是标准差。在这里我们设置均值为0，标准差为1，为了方便起见： ```python def gaussian(x, mu=0, sigma=1): return 1 / (sigma * np.sqrt(2 * np.pi)) * np.exp(-((x - mu) ** 2) / (2 * sigma ** 2)) ``` 3. 创建一个网格，用于生成二维矩阵： ```python x = np.linspace(-5, 5, 100) y, x = np.meshgrid(x, x) ``` 4. 使用高斯函数生成二维矩阵： ```python z = gaussian(x, y) ``` 5. 使用 Matplotlib 绘制高斯图像： ```python plt.figure(figsize=(8, 6)) cs = plt.contourf(x, y, z, cmap='viridis') plt.colorbar(cs) plt.title('2D Gaussian Distribution') plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.show() ```
评论 13
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

打赏作者

薛定猫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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