matplotlib 3D 数据的 2D 切片

Posted 2023-02-16

【中文标题】matplotlib 3D 数据的 2D 切片

【英文标题】：matplotlib 2D slice of 3D data

【发布时间】：2016-10-19 10:49:19

【问题描述】：

我在这方面找不到任何东西，可能是因为我没有正确的命名法（即我不知道确切如何要求它），但无论如何，我有一个 3D numpy 数组“一种”。我想识别并绘制 a=0 的二维曲面。为了清楚起见，数据是在 3D 空间上平滑变化的双精度浮点数。曲面 a=0 很可能会在数组的点之间“穿线”，而不是完全位于其中的任何点上。所以我需要一些可以插值的东西来找到 a=0 表面并绘制它。 matplotlib 是否有现成的例程来执行此操作？

【问题讨论】：

这似乎更像是一个 numpy 或 scipy 的东西

我相信你想要一个音量切片器。默认情况下，numpy、scipy 或 matplotlib（据我所知）都没有准备好执行此操作。您可以计算层之间的切片，但您需要构建代码来执行此操作（如果您可以接受，我可能会尝试提供解决方案）。更接近 matplotlib 的库是 Mayavi（我认为它目前仅在 Python 2.x 中可用）。你也可以考虑使用 pyQtGraph、VTK 或 Vispy。

@armatita 感谢您的回答。至少现在我确定我问的不是小事！如果你想构建一个可以做卷切片的代码，我一定会感兴趣的！谢谢。

【参考方案1】：

使用 Plotly，您可以在体积数据中绘制平面和非线性切片： http://nbviewer.jupyter.org/github/empet/Plotly-plots/blob/master/Plotly-Slice-in-volumetric-data.ipynb

【讨论】：

谢谢！会检查的。

【参考方案2】：

要“识别并绘制 a=0 的二维曲面”，您只需将 a=0 处的数据子集并绘制（如下所示）如果您正在寻找数据在该平面上的投影，那么有点复杂。

threeD = np.array([(x,y,z) for x in [0,1] for y in [1,2] for z in [5,6]])
twoD = np.array([(y,z) for (x,y,z) in threeD if x==0])
y,z = zip(*twoD)
plt.plot(y,z, 'o')
plt.xlim(0,3)
plt.ylim(0,7)

【讨论】：

我认为我的问题不够清楚。正在编辑。

【参考方案3】：

卷切片操作通常依赖于插值的概念，最典型的有：Nearest neighbor、Linear 和Cubic。请注意，这些方法适用于更多维数（例如参见 Bilinear 或 Trilinear 插值）。

在这种情况下，您是说您有一个卷，您可以从中检索 X、Y、Z 中的切片（或混合但不考虑这种情况，因为它是一个新的整体问题，只会带来混乱）。

因此，以切片 X=5 和 X=6 为例，您想知道如何获得 X=5.5。看看这个例子：

def linear_interpolation(p1, p2, x0):
    """
    Function that receives as arguments the coordinates of two points (x,y)
    and returns the linear interpolation of a y0 in a given x0 position. This is the
    equivalent to obtaining y0 = y1 + (y2 - y1)*((x0-x1)/(x2-x1)).
    Look into https://en.wikipedia.org/wiki/Linear_interpolation for more
    information.

    Parameters
    ----------
    p1     : tuple (floats)
        Tuple (x,y) of a first point in a line.
    p2     : tuple (floats)
        Tuple (x,y) of a second point in a line.
    x0     : float
        X coordinate on which you want to interpolate a y0.

    Return float (interpolated y0 value)
    """
    return p1[1] + (p2[1] - p1[1]) * ((x0 - p1[0]) / (p2[0] - p1[0]))

X, Y, Z = np.meshgrid(range(10), range(10), range(10))
vol = np.sqrt((X-5)**2 + (Y-5)**2 + (Z-5)**2)

Slice5dot5 = linear_interpolation((Y[5, :, :], vol[5, :, :]), (Y[6, :, :], vol[6, :, :]), 5.5)

f, (ax1, ax2, ax3) = plt.subplots(1, 3, sharey=True)
ax1.imshow(vol[5, :, :], interpolation='nearest', origin='lower', vmin=vol.min(), vmax=vol.max())
ax1.set_title("vol[5, :, :]")
ax2.imshow(Slice5dot5, interpolation='nearest', origin='lower', vmin=vol.min(), vmax=vol.max())
ax2.set_title("vol[5.5, :, :]")
ax3.imshow(vol[6, :, :], interpolation='nearest', origin='lower', vmin=vol.min(), vmax=vol.max())
ax3.set_title("vol[6, :, :]")
plt.show()

该函数似乎已记录在案（它是我做的一个旧项目的一部分），可以与数字一起使用，但它也可以与 numpy 2D 切片一起使用（并且比循环所有这些单元格要快得多）。

结果是这样的：

您会注意到颜色从左到右越来越淡。中间的切片是完全插值的，以前不存在。