python - 如何在 matplotlib mplot3D 或类似文件中显示 3D 数组等值面的 3D 图？

Question

我有一个 3 维 numpy 数组。我想(在 matplotlib 中)显示该数组等值面的漂亮 3D 图(或者更严格地说，显示通过在采样点之间插值定义的 3D 标量场的等值面)。

matplotlib 的 mplot3D 部分提供了很好的 3D 绘图支持，但是(据我所知)它的 API 没有任何东西可以简单地采用 3D 标量值数组并显示等值面。但是，它确实支持显示一组多边形，所以我想我可以实现行进立方体算法来生成这样的多边形。

似乎很可能已经在某个地方实现了一个对 scipy 友好的行进立方体，但我还没有找到它，或者我错过了一些简单的方法。或者，我欢迎任何指向其他工具的指针，这些工具可以从 Python/numpy/scipy 世界轻松使用可视化 3D 数组数据。

Answer 1

只是为了详细说明我上面的评论，matplotlib 的 3D 绘图确实不适用于像等值面这样复杂的东西。它旨在为非常简单的 3D 绘图生成漂亮的、出版质量的矢量输出。它无法处理复杂的 3D 多边形，因此即使自己实现行进立方体来创建等值面，它也无法正确渲染它。

但是，您可以改为使用 mayavi (它是 mlab API 比直接使用 mayavi 方便一点)，它使用 VTK处理和可视化多维数据。

作为一个简单的示例(从 mayavi 库示例之一修改):

import numpy as np
from enthought.mayavi import mlab

x, y, z = np.ogrid[-10:10:20j, -10:10:20j, -10:10:20j]
s = np.sin(x*y*z)/(x*y*z)

src = mlab.pipeline.scalar_field(s)
mlab.pipeline.iso_surface(src, contours=[s.min()+0.1*s.ptp(), ], opacity=0.3)
mlab.pipeline.iso_surface(src, contours=[s.max()-0.1*s.ptp(), ],)

mlab.show()