python 可视化 plotly 画3dmesh网格图

最近在工作中遇到python 打印可视化3D图。需求是根据以下CSV文件黄色高亮的三列打印3D立体网格图，尝试过用matplotlib打印出来的效果不是很好。

发现了非常强大的可视化包plotly。但是plotly没有打印出四边形网格的函数，只有三角形网格trisurf，所以四边形网格需要自己去画。
附上plotly 官方文档链接 https://plot.ly/python/
首先安装plotly包：
pip install plotly
基本思路如下：

首先画出同一个X轴上不同Y轴在Z轴上的点，分别连线，其中X轴是Speed，Y轴是Torque, Z轴是功率。对CSV进行排序，转变成dataframe，X的误差范围在正负10，即对于X相差在10以内都放在一个数据块dataframe中，用while循环获取每个小数据块，放入数据字典中。遍历数据字典，取出对应的x2,y2,z2,画点并对每个数据块中的点连线。
2.其次画同一个y轴坐标上的不同x轴坐标点在三维空间上的线性图，利用上面的每一个数据块的相同index及其不同坐标点放入字典Key-value中。之后遍历该字典，对每个item画点(X3,y3,z3)和线。这个做法有一个缺点，即每个数据块的大小可能不相等，多出来的点并没有连线画图。
最后将最初文件中的dataframe中的第1，2，3列取出(x1,y1,z1)画Mesh3d,为网格画颜色平面图。

# -*- coding:utf8 -*-
import pandas as pd
import numpy as np
import plotly.graph_objs as go
from collections import defaultdict
import plotly.offline as py  # 设置离线画图"""
打开原始CSV文件数据，必须保证csv 文件只有一行列名，并且检查输入查询的列名是否存在于文件中，存在则返回正确的列名用于坐标轴标签若存在，则提取这些列的数据，返回新的dataframe,若不存在，则报错不执行程序返回值： new_Df, correct_list
"""
def check_file_column():input_file = input('请输入csv文件路径:')filename = input_file.strip()with open(filename, 'rb') as f:csv_data = pd.read_csv(f, encoding='gb2312')if len(csv_data.columns) != 3:print('文件列名不等于3列，请修改文件!')exit()correct_list = list(csv_data.columns.values)# 删除空的数据行new_Df = csv_data.dropna()# 将导入的各个类型变成正确的类型new_Df[new_Df.columns.values[0]] = new_Df[new_Df.columns.values[0]].apply(int)new_Df[new_Df.columns.values[2]] = new_Df[new_Df.columns.values[2]].apply(float)new_Df[new_Df.columns.values[1]] = new_Df[new_Df.columns.values[1]].apply(float)# 将new_Df进行排序new_Df.sort_values(new_Df.columns.values[0], inplace=True)return new_Df, correct_list"""使用递归对input dataframe 进行处理，每次返回删除指定数据后的dataframe和需要删除的dataframe列表"""
def get_blockdata(csv_data_copy,sorted_pd_list):while csv_data_copy.size != 0:min_value = csv_data_copy.iloc[:, 0].min()# 筛选转速Speed的误差值在正负10之内,并组成新的dataframediff_value_1 = min_value - 10diff_value_2 = min_value + 10pd_block = csv_data_copy[(csv_data_copy[csv_data_copy.columns.values[0]] > diff_value_1) & (csv_data_copy[csv_data_copy.columns.values[0]] < diff_value_2)]# 将pd_block按照Torque排序pd_block.sort_values(pd_block.columns.values[1], inplace=True)pd_block.reset_index(drop=True, inplace=True)# 将每个pd_block添加到一个sorted_pd list中sorted_pd_list.append(pd_block)# 从csv_data中删除pd_block的数据csv_data_copy.drop(csv_data_copy[(csv_data_copy[csv_data_copy.columns.values[0]] > diff_value_1) & (csv_data_copy[csv_data_copy.columns.values[0]] < diff_value_2)].index,inplace=True)return csv_data_copy, sorted_pd_list"""
提取CSV_data的数据，分别画网格线和3D平面图：
x1,y1,z1 用于画3D mesh 图
x2,y2,z2 用于画同一个x轴坐标上的不同y轴坐标点在三维空间上的线性图
x3,y3,z3 用于画同一个y轴坐标上的不同x轴坐标点在三维空间上的线性图"""
def handle_data_plot_3D(csv_data, correct_list):# x1,y1,z1 用于画3D mesh 图x1 = np.array(list(csv_data.iloc[:, 0].values))y1 = np.array(list(csv_data.iloc[:, 1].values))z1 = np.array(list(csv_data.iloc[:, 2].values))# 将每个相同X值得数据提取放入一个pandas中csv_data_copy = csv_data# 用于存出每个数据块pandas数据sorted_pd_list = []csv_data_copy, sorted_pd_list = get_blockdata(csv_data_copy, sorted_pd_list)lines = []line_marker = dict(color='black', width=0.8)# 画同一个x轴坐标上的不同y轴坐标点在三维空间上的线性图for each in sorted_pd_list:x2 = np.array(list(each.iloc[:, 0].values))y2 = np.array(list(each.iloc[:, 1].values))z2 = np.array(list(each.iloc[:, 2].values))lines.append(go.Scatter3d(x=x2, y=y2, z=z2, mode='lines', line=line_marker, showlegend=False,hoverinfo='none'))# 用于存储每个数据块中相同index的数据字典x_y_z_row = defaultdict(list)for _ in sorted_pd_list:for index, row in _.iterrows():x_y_z_row[index].append([row[0], row[1], row[2]])# 提取每一数据块的x, y,z坐标字典each_index_x = defaultdict(list)each_index_y = defaultdict(list)each_index_z = defaultdict(list)for key, value in x_y_z_row.items():for each in value:each_index_x[key].append(each[0])each_index_y[key].append(each[1])each_index_z[key].append(each[2])# 遍历每个数据块的x,y,z坐标字典，每个块进行描点和画图for key, value in each_index_x.items():if key in each_index_y.keys() and key in each_index_z:x3 = valuey3 = each_index_y[key]z3 = each_index_z[key]lines.append(go.Scatter3d(x=x3, y=y3, z=z3, mode='lines', line=line_marker, showlegend=False, hoverinfo='none'))fig = go.Figure(data=lines)fig.add_trace(go.Mesh3d(x=x1, y=y1, z=z1, opacity=0.80,intensity=z1,colorbar={"title": correct_list[2], "len": 0.6, },hoverinfo='x+y+z',colorscale='Portland',))fig.update_layout(title='3D_Mesh_Grid plotly', autosize=False,width=900, height=900,margin=dict(l=65, r=50, b=65, t=90),scene=dict(xaxis_title=correct_list[0],yaxis_title=correct_list[1],zaxis_title=correct_list[2],))fig.show()py.plot(fig, filename='pictures/3Dfigure.html',  # 会生成一个网页文件image='png', )  # 设置保存的文件类型，不会在本地有个png的文件，需要在生成的网页打开另存为png的文件def main():# check columns and check filescsv_data, correct_list = check_file_column()# 处理数据画网格图以及3Dmesh 图handle_data_plot_3D(csv_data, correct_list)if __name__ == '__main__':main()

没有画颜色填充平面的只有网格效果的如下：

最后整个图形效果如下：

python 可视化 ploty 画3dmesh网格图相关推荐

Python实践：画个动图玩玩，Python绘制GIF图总结
Python实践:画个动图玩玩,Python绘制GIF图总结文章目录 Python实践:画个动图玩玩,Python绘制GIF图总结具体实现 Python代码参考资料上期博客< Pytho ...
【python】如何画简单的图
[python学习]画简单的图一般是引用turtle这个函数库来画图,这个画图就好像一个乌龟在白纸上爬,其爬行轨迹就是所画的图形. 一些基本的语句: import turtle 用来引用turtle ...
Python可视化数据画直线的几种方法
利用Python可视化数据主要是利用Numpy Matplotlib强大的绘图功能,还可以利用Pandas进行数据挖掘和数据分析在学习的过程中发现了直线的画图方法有以下几种: 1. 直接plot法 ...
python画饼图-从零开始学Python可视化(五): 饼图及环形图
我们之前已经接触过了饼图,它主要用于表现比例.份额类的数据,今天我们在样式上进行更多的探索. 我们以笔记本行业来作为例子.假设笔记本电脑行业有ABCD五家公司,他们在2017年的国内市场份额分别为45 ...
python画饼状图的包_Python数据可视化：画饼状图、折线图、圈图
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. from math import pi import matplotlib ...
Matlab关于画数据网格图
1.surf(Z): Z为一个矩阵,如果Z是向量,那么就需要先将其转换为矩阵 reshape(Z,[length(X),length(Y)]); X和Y为你的横坐标取值个数. 具体代码调用格式如下 ...
python：mplfinance 画K线图
python的 mpl_finance模块从2020年已经提醒弃用,2021年现在用 mplfinance模块. 安装 pip install --upgrade mplfinance mpf_kli ...
[python] Jupyter Notebook 画股票折线图
1. Jupyter Notebook 是一个web python应用程序,它可以支持实时代码和画图安装命令如下 pip install jupyter -i https://pypi.douban ...
MATLAB 画颜色网格图
作图代码 clear; clc; %%%%%%%%画网格%%%%%%%% [m,n]=meshgrid(0:100);%100*100的网格 %%%%%%%%作图%%%%%%%% A=load('D: ...

python 可视化 ploty 画3dmesh网格图

python 可视化 plotly 画3dmesh网格图

python 可视化 ploty 画3dmesh网格图相关推荐

最新文章

热门文章