Ang paglikha ng 3D visualization ng mga datos ng inhenyeriya ay tumutulong sa pag-unawa ng mga komplikadong istraktura at pag-uugali. Integrated SciPy with Matplotlib ay pumapayag sa masulong na mga kakayahan sa pagsusuri ng data at visualization. Ang artikulong ito ay nagpapaliwanag kung paano epektibong lilikha ng 3D plots gamit ang mga kasangkapang ito.

Pagtatatag ng Kapaligiran

Upang magsimula, i-install ang mga kinakailangang aklatan kung hindi pa ito magagamit. Gamitin ang pip upang i-install ang SciPy at Matplotlib:

Command:

Iinstall ng pip ang mapilak na maplotlib

Paghahanda ng Data Para sa Paglilinaw

Ang Generate o load engineering data gamit ang mga tungkulin ng SciPy o iba pang mga mapagkukunan ng datos. Halimbawa, ay lumilikha ng isang mesh grid para sa pang-ibabaw na pag-aaalinlangan:

Exatom:

pag-aangkat numby bilang np

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

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

X, Y = np.meshgrid( ⁇ , y)

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

Paglikha ng 3D Visualization

Gamitin ang 3D na kakayahang magbalak na ilarawan sa isip ang impormasyon. I-port ang 3D toolkit at itatag ang lot:

Exatom:

Pag-angkat ng matplotlib.pyplot bilang plt

mula sa mga mpl toliyekts.mplot3d na pag-angkat ng Axes3DD

igos = plt.figure()

palakol = igos.add subplot(111, projection='3d')

palakol.plot surface(X, Y, Z, cmap='viridis')

plt.show()

Karagdagang mga Tip sa Panimula

Gamitin ang iba't ibang uri ng mapa, tatak, at disenyo para maging mas malinaw ang tanawin.

Kabilang sa mga halimbawa ng pag - aayos ng mga kaugalian ang:

  • [Changing colormap: cmap='plasma'
  • Mga tatak ng pag-aalsa: palakol.set xlabel('X Axis')
  • [Ingles: ax.view init(elev=30, azim=45)