python 曲面图的 xyz 数据转换

Question

我想根据 xy 和 z 数据在 matplotlib 中绘制 3D 表面。为此，我需要做一个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。

所以如果 arr 是我的数组，arr[x, y] 会给出我的 z。表格看起来像这样：

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，但无法按我想要的方式工作。也许有更简单的 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:)

Answer 1

您可以这样使用 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，如果你想让你的最终数组 x 值首先增加（如你给出的例子），你可以这样做：

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]]

python 曲面图的 xyz 数据转换

python xyz data transformation for surface plot

python

numpy

spatial

surface

pandas