> For the complete documentation index, see [llms.txt](https://johannesliu.gitbook.io/data-science-python-implemented/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://johannesliu.gitbook.io/data-science-python-implemented/12.0-foundation_mayavi/12.3-mlab.md). # 12.3 mlab绘图 本节我们将对mayavi中的mlab模块（Mayavi.mlab）进行讲解。mlab是Mayavi中的绘图模块。mlab既可以写入脚本来对数据进行可视化展示，又可以使用交互式shell对数据进行可视化。如果您之前已经接触过Matlab绘图，那么您将很容易掌握它。 下面，让我们运行基于mlab的球面谐波可视化代码来感受一下Mayavi的魅力： \# 创建数据 from numpy import pi, sin, cos, mgrid dphi, dtheta = pi/250.0, pi/250.0 \[phi,theta] = mgrid\[0:pi+dphi\*1.5:dphi,0:2\*pi+dtheta\*1.5:dtheta] m0 = 4; m1 = 3; m2 = 2; m3 = 3; m4 = 6; m5 = 2; m6 = 6; m7 = 4; r = sin(m0\*phi)\*\*m1 + cos(m2\*phi)\*\*m3 + sin(m4\*theta)\*\*m5 + cos(m6\*theta)\*\*m7 x = r\*sin(phi)\*cos(theta) y = r\*cos(phi) z = r\*sin(phi)\*sin(theta) \# 可视化球面谐波 from mayavi import mlab s = mlab.mesh(x, y, z) mlab.show() 运行结果如下： ![](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-36de154b101e910d9749ec39d9cc2afb4901742a%2F4899bfbe5b0a0d71d28d794635784cc9.png?alt=media) 上述球面谐波可视化通过将三个二维数据（X，Y，Z）传入mlab.mesh()函数中完成三维图形的创建，通过调用mlab.show()函数来对球面谐波进行展示。传入mlab.mash()的数据位于图形网格上。mesh()函数可以隐式地从输入数组的形状中提取连接性信息:连接二维输入数组中的相邻数据点。 ### 12.3.1 3维绘图函数 在mlab中，可以通过一组在numpy数组上操作的函数来创建可视化。 mlab绘图函数以numpy数组作为输入来描述数据的x、y和z坐标，还可以对其添加可视化模块。此外，可以通过更改该模块的属性来修改可视化效果。 Mayavi中的三维图形根据数据源形状不同，可以分为由0维与1维数据创建的3维图形，由2维数据创建的三维图形，由3维数据创建的三维图形。因为mlab绘图函数的用法与我们前面所讲的sympy以及matplotlib用法相似，因此我们不会对mlab中的函数进行过多讲解。只要读者具备了matplotli或者matlab绘图基础，仅需要数小时，就能熟练掌握mlab绘图技巧。如果需要详细学习特定函数，可以使用Python魔法命令“？”查阅文档进行学习。下面我们主要以表格形式对mlab中主要的绘图函数进行简要介绍。 #### 0维与1维数据 表12.3列举了接受0维和1维数据输入的mlab绘图函数。 表12.3 mlab绘图函数（0维与1维数据） | **函数** | **描述** | **示例** | | -------------------------------------------------------------------------------------------------------------- | ---------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [**points3d()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.points3d) | 用相同形状的x、y、z numpy数组描述所提供数据位置的绘图符号(类似于点)。 | ![points3d](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-b860bb08e38dbf00e166557ebb0de86b6b04f16f%2F8018e09ac669ae6cfab247e29b6b8c9b.jpeg?alt=media) | | [**plot3d()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.plot3d) | 绘制空间线，由相同长度的x、y、z1D numpy数组描述。 | ![plot3d](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-821f00a0053211bd09a9ad666bf684f8688acd99%2Fa6da918e9d259d8b9ab43ac7d3d3d801.jpeg?alt=media) | #### 2维数据 表12.4列举了接受2维数据输入的mlab绘图函数。 表12.4 mlab绘图函数（2维数据） | **函数** | **描述** | **示例** | | ----------------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [**imshow()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.imshow) | 使用二维数组创建图像 | ![imshow](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-5bd21e5fd94e9aee26298f7842142e2aa0a72554%2F05ee50a808be2e61856934fdf657bd4b.jpeg?alt=media) | | [**surf()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.surf) | 以地毯图的形式查看二维阵列，Z轴表示通过阵列点的高程值。 | ![surf](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-cd5d0c2f1c44f2c5443326b92e25b486704e0b25%2Fe483e5de3fe01a6bf6c93ab16c4cecce.jpeg?alt=media) | | [**contour\_surf()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.contour_surf) | 将二维数组视为线轮廓，根据数组点的值升高。 | ![contour\_surf](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-697113e3c3cd69e3d82209818009325f01418d4c%2Fe769eef114e2d56b0e0bb5430ebcc706.jpeg?alt=media) | | [**mesh()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.mesh) | 绘制由三个二维数组x、y、z描述的曲面，给出数据点的坐标作为网格。 与surf()不同，曲面是由它的x、y和z 坐标定义的，没有特殊的方向。可以创建更复杂的表面。 | ![mesh](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-030cbf7a84332d895744d3f0ece7719abb716428%2Fe379b756a2d745a5027c0db6ed743ee3.jpeg?alt=media) | | [**barchart()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.barchart) | 用显式坐标数组x、y和z绘制一个数组s或一组点，如柱状图。此函数非常通用，可以接受二维或三维数组，也可以接受点云来定位条形图。 | ![barchart](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-4ec94f504a627b91f9c4116909284eb0444cecc9%2F7c0693f2a1c22215d267008f30cbf26f.jpeg?alt=media) | | [**triangular\_mesh()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.triangular_mesh) | 绘制一个三角形网格，完全由顶点的x、y和z坐标以及三角形索引的(n, 3)数组指定。 | ![triangular\_mesh](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-b9a5c1cb06ba3ac7b93c0c92369278e980d3ed07%2Fbb0ba2286bfd7466310474780677d124.jpeg?alt=media) | #### 3维数据 表12.5列举了接受3维数据输入的mlab绘图函数。 表12.5 mlab绘图函数（31维数据） | **函数** | **描述** | **示例** | | ----------------------------------------------------------------------------------------------------------------------- | -------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [**contour3d()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.contour3d) | 将三维数组数据绘制为等值面。 | ![contour3d](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-67be4e818037d7af6a1f1ca11a8b899569673340%2F37b150dff1fb8f02ba65614e29e4492d.jpeg?alt=media) | | [**quiver3d()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.quiver3d) | 绘制箭头表示数据点处的向量。x、y、z位置由numpy数组以及向量的u、v、w分量指定。 | ![quiver3d](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-0a5310cf258591cd1ef35c604c91c9fc2ae4629a%2F7a863ab75a6dc0fc320881ef380ebb73.jpeg?alt=media) | | [**flow()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.flow) | 在网格上绘制由三个三维数组描述的粒子沿着向量场的轨迹，给出u、v、w分量。 | ![flow](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-966c2a2a473cb985b3426c75dd4835cb788e8e0d%2F4f2435535c160fab4ca23856821523c9.jpeg?alt=media) | | [**volume\_slice()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_helper_functions.html#mayavi.mlab.volume_slice) | 绘制一个交互式图像平面，该平面在体数据中切片。 | ![slice](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-487037d84fa92c87348cacb46165703d69af473d%2F87b69adf7d0722291617d30dd2c3e177.jpeg?alt=media) | ### 12.3.2 更改创建的可视对象的外观 **添加颜色或大小变化** 绘图函数创建的对象的颜色可以使用函数的“color”关键字参数显式指定。如果希望在可视化中改变颜色，需要为每个数据点指定颜色标量信息。使用colormap(也称为LUT)将这个标量信息转换为颜色，用于查找表。常用颜色标量如表12.6所示。 表12.6 常用颜色函数映射表 | ccent | flag | hot | pubu | set2 | | ----------- | ------------- | ------- | ------- | -------- | | autumn | gist\_earth | hsv | pubugn | set3 | | black-white | gist\_gray | jet | puor | spectral | | blue-red | gist\_heat | oranges | purd | spring | | blues | gist\_ncar | orrd | purples | summer | | bone | gist\_rainbow | paired | rdbu | winter | | brbg | gist\_stern | pastel1 | rdgy | ylgnbu | | bugn | gist\_yarg | pastel2 | rdpu | ylgn | | bupu | gnbu | pink | rdylbu | ylorbr | | cool | gray | piyg | rdylgn | ylorrd | | copper | greens | prgn | reds | set2 | | dark2 | greys | prism | set1 | set3 | 选择最适合您的可视化的colormap的最简单方法是使用GUI(如下一段所述)。设置颜色映射的对话框可以在Colors和legends节点中找到。 要使用自定义的颜色映射，目前需要编写特定的代码，如自定义颜色映射示例所示。 **改变图形大小** 标量信息还可以以许多不同的方式显示。例如，它可以用来调整位于数据点的字形的大小。 注意:夹紧:相对或绝对缩放给定六个点的位置在一条线与点间距1: x = \[1, 2, 3, 4, 5, 6] y = \[0, 0, 0, 0, 0, 0] z = y 如果我们在这个数据基上表示一个从0.5到1的标量: s = \[.5, .6, .7, .8, .9, 1] 我们使用points3d()将数据集表示为球体，将标量映射到球体的直径: from mayavi import mlab pts = mlab.points3d(x, y, z, s) 在默认情况下，球体的直径不是“夹紧”的，也就是说，标量数据的最小值表示为空直径，最大值与点间距离成正比。比例只是相对的，从结果图中可以看出: ![](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-96cf6a27e670287a8265385b55ddb6ddf3f72adf%2F8d0cdde3401a18adaafbe9764b350c25.jpeg?alt=media) 此行为为所有数据集提供可见点，但如果标量表示与指定位置相同单元中的符号大小，则可能不需要此行为。 在这种情况下，您应该通过指定所需的缩放因子来关闭自动缩放功能: pts = mlab.points3d(x, y, z, s, scale\_factor=1) ![](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-83f84533f67e6dede0b3894f468e72af1e6762ae%2Fc228098bb68cab0239169e42748c8a53.jpeg?alt=media) ### 12.3.3 画布，图装饰与相机 为了与matlab和pylab兼容，所有mlab函数都在当前场景中运行，我们也将其称为画布（由figure()函数调用）。不同的画布按键索引，键可以是整数，也可以是字符串。对figure()函数的调用给出一个键，如果它存在，则返回对应的figure，或者创建一个新的figure。可以使用gcf()函数检索当前图。它可以使用draw()函数刷新，使用savefig()保存到图片文件中，使用clf()清除。 **图装饰** 表12.7列举了常用的图装饰函数，这些图装饰函数与matplotlib和matlab中的同名函数用法与功能相同。 表12.7 mayavi中常用的图装饰 | 函数 | 描述 | | ------------------- | --------------------------- | | axis() | 在可视化对象周围添加坐标轴 | | xlabel() | 设置x轴标签 | | ylabel() | 设置y轴标签 | | zlabel() | 设置z轴标签 | | outline() | 围绕对象创建一个大纲 | | title() | 设置标题 | | colorbar() | 为最后创建的对象创建一个颜色条用于反映显示值的颜色映射 | | orientation\_axes() | 将一个小型xyz三元组添加到图中 | **移动相机** 可以使用view()函数设置相机的位置和方向。它是用欧拉角和到焦点的距离来描述的。view()函数尝试猜测相机的正确滚动角度以获得令人满意的视图，但有时会失败。roll()显式设置摄像机的滚动角度(可以在场景中交互实现，按下control键，同时拖动鼠标，查看与场景的交互)。 view()和roll()函数返回作为参数的不同角度和距离的当前值。因此，交互获取的视图可以使用以下方法进行存储和复位: \# 存储信息 view = mlab.view() roll = mlab.roll() \# 复位相机 mlab.view(\*view) mlab.roll(roll) 您还可以使用相机对象的滚动、偏航和俯仰方法来旋转相机本身。这移动了焦点: f = mlab.gcf() camera = f.scene.camera camera.yaw(45) 与view()和roll()函数不同，角度是递增的，而不是绝对的。 修改缩放和视角 相机完全由它的位置、焦点和视角定义(属性为“position”、“focal\_point”、“view\_angle”)。相机方法“zoom”按指定的比例递增地改变视角，当“dolly”方法在保持焦点不变的情况下沿轴平移相机时，“zoom”会改变视角。move()函数在这些方面也很有用。 相机平行比例尺 除了由mlab返回和设置的信息之外。视图和mlab。滚动，需要最后一个参数来完全定义视点:相机的平行比例，控制其视角。可通过以下代码读取(或设置): f = mlab.gcf() camera = f.scene.camera cam.parallel\_scale = 9 ### 12.3.4 使用mlab组装管道 Mlab提供了一个子模块管道，其中包含可以从脚本轻松填充管道的函数。此模块可在mlab.pipeline中访问，也可以从mayavi.tools.pipeline导入。 当使用mlab绘图函数时，管道就被自动创建了。在管道创建的过程中，首先从numpy数组创建一个源，然后添加需要的模块以及有过滤器。可以使用mlab查看生成的管道。show\_pipeline命令。 #### 数据源 mlab.pipeline模块包含从数组创建各种数据源的函数。我们根据这些数据是否有连接来对其进行分类介绍。 **无连接数据** | 函数 | 描述 | 示例 | | ----------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [**scalar\_scatter()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_pipeline_sources.html#mayavi.tools.pipeline.scalar_scatter) (creates a PolyData) | 从无连接数据源创建散点图 | ![](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-b860bb08e38dbf00e166557ebb0de86b6b04f16f%2F8018e09ac669ae6cfab247e29b6b8c9b.jpeg?alt=media) | | [**vector\_scatter()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_pipeline_sources.html#mayavi.tools.pipeline.vector_scatter) (creates an PolyData) | 从无连接数据源创建矢量散射图 | ![](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-623db1a01622ae57be69a41d780a9abd8ca4d250%2F7b145fdadeb0f0fa612c7de898f2bc14.jpeg?alt=media) | **隐连接数据** | **函数** | **描述** | **示例** | | ------------------------------------------------------------------------------------------------------------------------------------------------------------ | ----------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | [**scalar\_field()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_pipeline_sources.html#mayavi.tools.pipeline.scalar_field) (creates an ImageData) | **从隐连接数据创建三维等值面** | ![A picture containing vector graphics Description automatically generated](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-67be4e818037d7af6a1f1ca11a8b899569673340%2F37b150dff1fb8f02ba65614e29e4492d.jpeg?alt=media) | | [**array2d\_source()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_pipeline_sources.html#mayavi.tools.pipeline.array2d_source) (creates an ImageData) | **从隐连接数据源创建图像** | ![A close up of a device Description automatically generated](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-5bd21e5fd94e9aee26298f7842142e2aa0a72554%2F05ee50a808be2e61856934fdf657bd4b.jpeg?alt=media) | | [**vector\_field()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_pipeline_sources.html#mayavi.tools.pipeline.vector_field) (creates an ImageData) | **从隐连接数据源创建矢量场** | ![A picture containing athletic game, sport Description automatically generated](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-1d65eea10068018452b7a1120601d45d6eae721b%2F7ef8608072913713d0cd34f58457f802.jpeg?alt=media) | **连接数据** | **函数** | **描述** | **示例** | | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------ | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [**line\_source()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_pipeline_sources.html#mayavi.tools.pipeline.line_source) (creates an PolyData) | 从连接数据源创建空间线 | ![](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-821f00a0053211bd09a9ad666bf684f8688acd99%2Fa6da918e9d259d8b9ab43ac7d3d3d801.jpeg?alt=media) | | [**triangular\_mesh\_source()**](http://docs.enthought.com/mayavi/mayavi/auto/mlab_pipeline_sources.html#mayavi.tools.pipeline.triangular_mesh_source) (creates an PolyData) | 从连接数据源创建三角网线 | ![A picture containing umbrella, accessory, sport kite Description automatically generated](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-8a8bca8e90e32ef8c0073a950a133625048d13f7%2F3f0a82b9e12809543050610a253821df.jpeg?alt=media) | 下面我们通过分析几个使用mlab实现可视化的案例，来进一步探究mlab的使用方法。 #### 三维标量场可视化 主要有三种途径实现三维标量场的可视化，分别是等值面法，剖切面法和组合法。下面我们对以下给定的三维数组, s进行可视化。 import numpy as np x, y, z = np.ogrid\[-10:10:20j, -10:10:20j, -10:10:20j] s = np.sin(x\*y\*z)/(x\*y\*z) 等值面法是最简单的三维标量场可视化方法，即直接使用contour3d()函数对三维标量场进行可视化， mlab.contour3d(s) 运行结果如下： ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\E2683361.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-2c75cc210dad6ae48f9db8ed247e442cf985e444%2Faf5110e90060646edfb303d9614492d4.png?alt=media) 这种方法的问题在于，外部等值面面倾向于隐藏内部等值面面。因此，通常只能看到一个ISO表面。我们可以使用体积渲染技术，对每个体素赋予一种透明的颜色。 mlab.pipeline.volume(mlab.pipeline.scalar\_field(s)) 运行结果如下： ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\DD922D17.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-833fdab95c92a0c51e84547d6f587c734cf205f8%2F4f7b717b3ac7fba36aea8592b24c3309.png?alt=media) 上述代码使用到了pipline.volume模块以及scalar\_field()函数。对于这种可视化，调整不透明度传递函数对于获得良好效果至关重要。通常，将下限值和上限值限制在数据的20%和80%是有用的，以便使卷的合理部分透明： mlab.pipeline.volume(mlab.pipeline.scalar\_field(s), vmin=0, vmax=0.8) 运行结果如下： ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\BBD56E3D.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-5e7306409af43e587bcf1a3dce771138e93fbda3%2Fd3547df2486b42a87d3d6b1298399bf3.png?alt=media) 体积渲染的局限性在于，虽然它通常非常漂亮，但很难用它分析代码的细节。 剖切面是一种非常有用的可视化标量场细节的方法。我们通过mlab.pipeline.image\_plane\_widget模块以及scalar\_field()函数来创建一个剖切面图。 mlab.pipeline.image\_plane\_widget(mlab.pipeline.scalar\_field(s), plane\_orientation='x\_axes', slice\_index=10, ) mlab.pipeline.image\_plane\_widget(mlab.pipeline.scalar\_field(s), plane\_orientation='y\_axes', slice\_index=10, ) mlab.outline() 也可以使用mlabvolume\_slice（）函数从numpy数组创建图像平面小部件： mlab.volume\_slice(s, plane\_orientation='x\_axes', slice\_index=10) “图像平面”小部件只能用于由mlab.pipeline.scalar\_字段创建的常规间隔数据，但速度非常快。因此，在可能的情况下，它应该优先于标量剖切面。 最后，将切割平面与等值面和阈值组合在一起, 使用等值面来查看峰值区域： src = mlab.pipeline.scalar\_field(s) mlab.pipeline.iso\_surface(src, contours=\[s.min()+0.1\*s.ptp(), ], opacity=0.1) mlab.pipeline.iso\_surface(src, contours=\[s.max()-0.1\*s.ptp(), ],) mlab.pipeline.image\_plane\_widget(src, plane\_orientation='z\_axes', slice\_index=10, ) 运行结果如下： ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\4BF51853.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-c705757e5af258b5cd7d01bbb691b16b582ae843%2Faa93f192f884a8322645c6d5cd291193.png?alt=media) 在上面的示例中，我们使用了mayavi的管线语法，而不是使用contour3d（）和volume\_slice（）来使用单个标量字段作为数据源。 #### 向量场可视化 向量场，即连续定义在一个卷中的向量，可能难以可视化，因为它包含很多信息。下面我们对以下给定的三维数组u, v, w进行可视化： import numpy as np x, y, z = np.mgrid\[0:1:20j, 0:1:20j, 0:1:20j] u = np.sin(np.pi\*x) \* np.cos(np.pi\*z) v = -2\*np.sin(np.pi\*y) \* np.cos(2\*np.pi\*z) w = np.cos(np.pi\*x)\*np.sin(np.pi\*z) + np.cos(np.pi\*y)\*np.sin(2\*np.pi\*z) 一组向量的最简单可视化是使用mlab函数quiver3d： mlab.quiver3d(u, v, w) mlab.outline() 运行结果如下 ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\8C972906.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-6eeeced9897dc835b7c87beb51585ff98e5febb2%2F2271527635499c23a9ac43044c67162f.png?alt=media) 这种可视化的主要局限性在于，它为网格上的每个采样点定位一个箭头。因此，可视化效率较低。 我们可以利用我们正在可视化一个向量场的事实，而不仅仅是一组向量，来减少显示的箭头数量。为此，我们需要构建一个矢量场源，并将矢量模块应用于它，并使用一些掩蔽参数（这里我们只保留20个点中的一个点）： src = mlab.pipeline.vector\_field(u, v, w) mlab.pipeline.vectors(src, mask\_points=20, scale\_factor=3.) 运行结果如下： ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\B1821BD3.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-7dbc9bf372c6d54f99462e22d7de5fd23219a3d7%2F1a44d25f0315b19d4e27475d4a61357b.png?alt=media) 如果我们有兴趣显示沿切割的向量，我们可以使用切割平面： mlab.pipeline.vector\_cut\_plane(src, mask\_points=2, scale\_factor=3) 运行结果如下： ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\A43505BD.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-5f0095329a52ee31fdbe9a2d07815021c46e52f0%2Faa7fdfaf0446570c967aacb71d332424.png?alt=media) 矢量场的一个重要参数是它的大小。显示向量法向的等参曲面可能很有趣。为此，我们可以使用ExtractVectororm过滤器从向量场创建一个标量场，并在其上使用iso曲面模块。交互工作时，通过更改对象属性对话框中的轮廓值，可以很好地了解场的大小。 magnitude = mlab.pipeline.extract\_vector\_norm(src) mlab.pipeline.iso\_surface(magnitude, contours=\[1.9, 0.5]) 运行结果如下： ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\FF74BE90.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-c804c1cdf520c516805adfaf9997ba9288e72916%2F894facd2a0f80b5165d5a86f7c91a8c8.png?alt=media) 对于某些矢量场，沿场流动的线可能有一个有趣的意义。例如，这可以解释为流体动力学中的轨迹，或电磁中的场线。我们可以使用流线模块或MLAB Flow（）功能显示特定种子表面的流线，该功能依赖于流线内部： flow = mlab.flow(u, v, w, seed\_scale=1, seed\_resolution=5, integration\_direction='both') 运行结果如下： ![C:\Users\Johan\AppData\Local\Microsoft\Windows\INetCache\Content.MSO\A5F1A304.tmp](https://914753012-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-Mjx-LkXo6sfWzVc3cno%2Fuploads%2Fgit-blob-1d068ae861d5bdff3fe548cbfbef76cdbe39a76c%2F8aea4d2a640f89720e44efd17001397f.png?alt=media) 在实际使用中，因为通常不可能事先为可视化选择最佳参数，例如颜色、轮廓值、颜色图、视角等，因此我们常常使用交互方式来确定图形的最佳属性。这也是mayavi的优势所在。