Η δημιουργία τρισδιάστατων οπτικοποιήσεων των δεδομένων μηχανικής βοηθά στην κατανόηση πολύπλοκων δομών και συμπεριφορών. Η ενσωμάτωση SciPy με Matplotlib επιτρέπει την προηγμένη ανάλυση δεδομένων και τις δυνατότητες οπτικοποίησης.

⁇ του Περιβάλλοντος

Για να ξεκινήσετε, εγκαταστήστε τις απαραίτητες βιβλιοθήκες αν δεν είναι ήδη διαθέσιμες. Χρησιμοποιήστε το pip για να εγκαταστήσετε το SciPy και το Matplotlib:

Κινητό:

pip εγκατάσταση scipy mattlotlib

Προετοιμασία δεδομένων για την οπτικοποίηση

Δημιουργία ή φόρτωση μηχανικών δεδομένων που χρησιμοποιούν λειτουργίες SciPy ή άλλες πηγές δεδομένων. Για παράδειγμα, δημιουργήστε ένα πλέγμα ματιών για τη σχεδίαση επιφάνειας:

Παράδειγμα:

εισαγωγή numpy ως np

x = np.linspace(-5, 5, 100)

y = np.linspace(-5, 5, 100)

X, Y = np.meshgrid( x, y)

Z = np.sin(np.sqrt(X**2 + Y**2))

Δημιουργία τρισδιάστατων οραματισμών

Χρησιμοποιήστε τις 3D δυνατότητες σχεδίασης του Matplotlib για να απεικονίσετε τα δεδομένα. Εισαγάγετε το 3D εργαλείο kit και να ρυθμίσετε το οικόπεδο:

Παράδειγμα:

εισαγωγή mattplolib.pyplot ως plt

από mpl toolkits.mplot3d εισαγωγή Axes3D

εικ = plt.phigure()

ax = fige.add subplot(111, προβολή='3d')

ax.plot επιφανειακή(X, Y, Z, cmap='viridis')

plt.show ()

Πρόσθετες συμβουλές οπτικοποίησης

Ρυθμίστε τους χρωματικούς χάρτες, προσθέστε ετικέτες και προσαρμόσετε την προβολή για να ενισχύσετε τη σαφήνεια. Χρησιμοποιήστε διαφορετικές συναρτήσεις σχεδίασης όπως τα πλαίσια καλωδίων ή τα σχέδια περιγράμματος για ποικίλες προοπτικές.

Παραδείγματα προσαρμογής περιλαμβάνουν:

  • Αλλαγή χάρτη χρώματος: cmap='πλάσμα'
  • Προσθήκη ετικετών: ax.set xlabel('X Axis')
  • ⁇ γωνίας προβολής: ax.view init(elev=30, azim=45)