Skip to main content
 首页 » 编程设计

用于曲面图的 python xyz 数据转换

2024年12月31日13webabcd

我想根据 xy 和 z 数据在 matplotlib 中绘制 3D 表面。为此,我需要进行看似简单的数据转换,但我不确定如何进行。

我的 x 和 y 数据是统一的整数,因为它将是图像的表面。 我的数据以 512x512 numpy 数组的形式存在。数组的值是z值,索引分别是x和y值。

因此,如果 arr 是我的数组,arr[x, y] 会给出我的 z。表单看起来像这样:

z z z z ... z (512 columns) 
z z z z ... z 
z z z z ... z 
z z z z ... z 
. . . . 
. . . . 
z z z z (512 rows) 

如何获取 x、y、z 三列形式的数据,以便绘制曲面图?转换后应该是这样的:

  x | y | z 
  --------- 
  0 | 0 | z 
  1 | 0 | z 
  2 | 0 | z 
  . | . | . 
  . | . | . 
511 | 0 | z 
  0 | 1 | z 
  1 | 1 | z 
  2 | 1 | z 
  . | . | . 
  . | . | . 

我尝试使用 np.meshgrid 和 np.flatten 但无法按照我想要的方式工作。也许有一个更简单的 pandas 解决方案。或者我什至可以用数据的原始形式绘制它?

欢迎任何建议:)

请您参考如下方法:

您可以像这样使用 np.meshgrid:

# Make coordinate grids 
x, y = np.meshgrid(np.arange(arr.shape[0]), np.arange(arr.shape[1]), indexing='ij') 
# Flatten grid and data and stack them into a single array 
data = np.stack([x.ravel(), y.ravel(), arr.ravel()], axis=1) 

例如:

import numpy as np 
 
arr = np.arange(12).reshape((3, 4)) 
x, y = np.meshgrid(np.arange(arr.shape[0]), np.arange(arr.shape[1]), indexing='ij') 
data = np.stack([x.ravel(), y.ravel(), arr.ravel()], axis=1) 
print(data) 

输出:

[[ 0  0  0] 
 [ 0  1  1] 
 [ 0  2  2] 
 [ 0  3  3] 
 [ 1  0  4] 
 [ 1  1  5] 
 [ 1  2  6] 
 [ 1  3  7] 
 [ 2  0  8] 
 [ 2  1  9] 
 [ 2  2 10] 
 [ 2  3 11]] 

编辑:

实际上,如果您想让最终数组的 x 值首先增加(如您给出的示例所示),您可以这样做:

x, y = np.meshgrid(np.arange(arr.shape[0]), np.arange(arr.shape[1]), indexing='xy') 
data = np.stack([x.ravel(), y.ravel(), arr.T.ravel()], axis=1) 

在这种情况下你会得到:

[[ 0  0  0] 
 [ 1  0  4] 
 [ 2  0  8] 
 [ 0  1  1] 
 [ 1  1  5] 
 [ 2  1  9] 
 [ 0  2  2] 
 [ 1  2  6] 
 [ 2  2 10] 
 [ 0  3  3] 
 [ 1  3  7] 
 [ 2  3 11]]