创建 xyz 海拔数据的曲面图

Question

我正在尝试用 python 创建一座山的表面图，其中我有一些 xyz 数据。最终结果应该类似于 。文件格式如下：

616000.0 90500.0 3096.712
616000.0 90525.0 3123.415
616000.0 90550.0 3158.902
616000.0 90575.0 3182.109
616000.0 90600.0 3192.991
616025.0 90500.0 3082.684
616025.0 90525.0 3116.597
616025.0 90550.0 3149.812
616025.0 90575.0 3177.607
616025.0 90600.0 3191.986

等等。第一列代表

x

坐标，中间的

y

坐标，

z

属于 xy 坐标的高度。

我使用

pandas

读取数据，然后将列转换为单独的

x

、

y

、

z

NumPy

一维数组。到目前为止，我设法创建了一个简单的 3D 散点图，其中使用

for

循环迭代每个 1D 数组的每个索引，但这需要很长时间，并且看起来效率相当低。

我尝试使用

scipy.interpolate.griddata

和

plt.plot_surface

，但对于

z

数据，我总是收到数据应该位于 2D 数组中的错误，但我无法弄清楚为什么或如何它应该是 2D 数据。我假设给定我有 xyz 数据，应该有一种方法可以简单地从中创建一个表面。有没有简单的方法？

Answer 1

使用 plot_trisurf

 中的函数 

scatter

 和 

matplotlib，给定

X Y Z

数据可以类似于 进行绘制。

import sys
import csv
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d

# Read CSV
csvFileName = sys.argv[1]
csvData = []
with open(csvFileName, 'r') as csvFile:
    csvReader = csv.reader(csvFile, delimiter=' ')
    for csvRow in csvReader:
        csvData.append(csvRow)

# Get X, Y, Z
csvData = np.array(csvData)
csvData = csvData.astype(np.float)
X, Y, Z = csvData[:,0], csvData[:,1], csvData[:,2]

# Plot X,Y,Z
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_trisurf(X, Y, Z, color='white', edgecolors='grey', alpha=0.5)
ax.scatter(X, Y, Z, c='red')
plt.show()

这里，

• 包含作为上述脚本参数提供的

  X Y Z

  数据的文件
• 在

  plot_trisurf

  中，用于控制外观的参数。例如

  alpha

  用于控制表面的不透明度
• 在

  scatter

  中，

  c

  参数指定在曲面上绘制的点的颜色

对于给定的数据文件，生成以下图表

注意： 这里，地形是通过给定的一组 3D 点进行三角测量而形成的。因此，图中沿表面的轮廓未与 X 轴和 Y 轴对齐

Answer 2

import numpy as np  
import matplotlib.pyplot as plt  
import mpl_toolkits.mplot3d 
import pandas as pd 
 
df = pd.read_csv("/content/1.csv") 
X = df.iloc[:, 0] 
Y = df.iloc[:, 1] 
Z = df.iloc[:, 2] 
 
fig = plt.figure() 
ax = fig.add_subplot(111, projection='3d') 
ax.plot_trisurf(X, Y, Z, color='white', edgecolors='grey', alpha=0.5) 
ax.scatter(X, Y, Z, c='red') 
plt.show()

我的输出图像如下 - 我有很多数据点：

Answer 3

有一种更简单的方法可以在不使用 pandas 的情况下实现你的目标。

import numpy as np 
import matplotlib.pyplot as plt 
import mpl_toolkits.mplot3d

x, y = np.mgrid[-2 : 2 : 20j, -2 : 2 : 20j]
z = 50 * np.sin(x + y)                     # test data
output = plt.subplot(111, projection = '3d')   # 3d projection
output.plot_surface(x, y, z, rstride = 2, cstride = 1, cmap = plt.cm.Blues_r)
output.set_xlabel('x')                         # axis label
output.set_xlabel('y')
output.set_xlabel('z')

plt.show()