Интерполяция 3D-поверхности Python на основе данных 2D-моделирования

Интерполяция 3D-поверхности Python на основе данных 2D-моделирования ⇐ Python

1 сообщение • Страница 1 из 1

Anonymous

Интерполяция 3D-поверхности Python на основе данных 2D-моделирования

Цитата

Сообщение Anonymous » 19 янв 2025, 01:49

Я работаю с набором 3D-данных в Python, где некоторые точки (x,y) создают структуры, подобные фреймам, некоторые из них имеют несколько значений z для каждой пары (x,y), что, по-видимому, приводит к проблеме. с Griddata.
Приведенный код создает интерполяцию между двумя наборами данных в качестве рабочего примера, а затем пытается интерполировать два набора данных, один из которых имеет несколько значений z. Данные и интерполяция нанесены на график для каждого случая. Я также предоставляю изображение с маркировкой, что, похоже, и создает проблему.
Как я могу интерполировать такие данные с помощью Griddata или есть другой способ?

Код содержит часть оригинала (моделирования).
import numpy as np
import matplotlib.pyplot as plt
from scipy.spatial import distance
from scipy.interpolate import griddata
from scipy.ndimage import gaussian_filter
from mpl_toolkits.mplot3d.art3d import Poly3DCollection
from matplotlib.colors import Normalize
from matplotlib import cm
import matplotlib.tri as mtri
from scipy.interpolate import LinearNDInterpolator

x1 = np.array([
0, 0.08317108166803, 0.16393703317322, 0.24010197356808, 0.31189968667059,
0.37964309047995, 0.44362962064596, 0.50416941327588, 0.56154833462750, 0.61603270573008,
0.66785467575344, 0.71722870327800, 0.76434124363645, 0.80936126105512, 0.85243882934910,
0.89371020366228, 0.93330023252176, 0.97132031393031, 1.0078733278234, 1.04305186588065,
1.07694164659622, 1.10962198351184, 1.14116475234496, 1.17163490787683, 1.20109277181813,
1.22959493653164, 1.25719327772516, 1.28393541084346, 1.30986533211137, 1.33502459428484,
1.3594517119059, 1.38318253432743, 1.40625054167016, 1.428687092237, 1.45052182005806,
1.47178239513572, 1.4924946731886, 1.51268282564772, 1.53236959683959, 1.55157657215197,
1.5703240685486, 1.58863120287582, 1.60651600994447, 1.62399550071956, 1.64108576853907,
1.65780207082065, 1.67415889980995, 1.69017008507776, 1.70584884180465, 1.72120783285127,
1.73625905724844, 1.75101389043042, 1.76548311976239, 1.77967698639756, 1.79360519288652,
1.80727689980216, 1.8207008202846, 1.83388518878035, 1.84683777315861, 1.85956584789141,
1.87207616663999, 1.88437496210868, 1.89646789288332, 1.90835992552183, 1.92005539714572,
1.9315578245162, 1.94286977773435, 1.95399269320514, 1.96492669014037, 1.97567031873621,
1.98622026624029, 1.99657105652974, 2.00671480587649, 2.01664080378909, 2.02633512036696,
2.03578034488985, 2.04495553215686, 2.05383630364206, 2.0623951776226, 2.0706018164916,
2.07842481734728, 2.0858329876037, 2.09279775917234, 2.09929633971377, 2.10531538227125,
2.11085508513429, 2.11593338459342, 2.12058937638755, 2.12488319044411, 2.12889284005344,
2.13270923022591, 2.13642524129613
])

z1 = np.array([
28.6619989743589, 28.6049608580482, 28.5450559014246, 28.4794835365082, 28.4092022241029,
28.3350387336261, 28.2576380039013, 28.1775367384564, 28.0951654495223, 28.0108638015799,
27.9249204615456, 27.8375597971889, 27.7489735572062, 27.6593178994861, 27.5687237423079,
27.4773041964674, 27.385152945665, 27.2923533725037, 27.1989741902862, 27.1050785554844,
27.0107190614389, 26.9159392616942, 26.8207798998579, 26.7252795524418, 26.6294706791138,
26.5333790187747, 26.4370286448011, 26.3404423792824, 26.2436415876413, 26.1466433615791,
26.0494627200553, 25.9521139974702, 25.8546109832136, 25.7569659319296, 25.6591888403289,
25.5612891089313, 25.4632757574251, 25.3651575801692, 25.2669423848755, 25.168636129068,
25.0702443614344, 24.9717723691753, 24.8732252294088, 24.7746078436806, 24.6759249761952,
24.5771812831842, 24.4783811991822, 24.3795278208977, 24.2806239242195, 24.1816722476486,
24.082675412506, 23.9836359405196, 23.8845562687947, 23.7854387639056, 23.6862857298263,
23.5870993764416, 23.4878813512533, 23.3886330916743, 23.2893560024275, 23.1900514136945,
23.0907205842034, 22.9913647072391, 22.8919849096176, 22.792582243255, 22.6931576855678,
22.5937118769204, 22.4942453558146, 22.3947585791552, 22.2952518558259, 22.1957253129467,
22.0961789025235, 21.9966124171542, 21.8970253898987, 21.7974170708687, 21.6977864181452,
21.5981324310853, 21.4984538542985, 21.398749114135, 21.2990163991982, 21.1992542481573,
21.0994617682189, 20.9996381351822, 20.8997827371874, 20.799896002592, 20.6999792732694,
20.6000347502029, 20.5000657435458, 20.4000764848403, 20.3000713432661, 20.2000540343164,
20.1000287433225, 20
])

y1 = np.full(len(x1),1)

x2 = np.array([
0, 0.09970480868419, 0.19934990930324, 0.29892560671855, 0.39845053029212,
0.49791294847979, 0.59729126792395, 0.69654894215390, 0.79562230931157,
0.89441829468223, 0.99278184799703, 1.09041596346573, 1.18680564093363,
1.2811247216627, 1.37173821384615, 1.45615592046124, 1.53140709459726,
1.59481447147833, 1.64540118865725, 1.68420020117436, 1.7139567901805,
1.73739377080012, 1.75669514508293, 1.77341533375185, 1.78855241978336,
1.80270054725639, 1.81619925811863, 1.82923458834867, 1.84190868011591,
1.8542787909028, 1.86637895717989, 1.87823123253782, 1.8898513429009,
1.90125155489232, 1.91244211394041, 1.92343198232874, 1.93422925599876,
1.94484137307261, 1.95527523060825, 1.96553726952681, 1.97563352932633,
1.98556968830044, 1.99535109412568, 2.00498278811171, 2.01446952528177,
2.02381579222306, 2.03302582656997, 2.04210365316528, 2.05105308938297,
2.05987776623044, 2.06858114998522, 2.07716655334668, 2.08563714669058,
2.09399597192344, 2.1022459544216, 2.11038991079032, 2.11843055346434,
2.12637049464471, 2.13421224945851, 2.14195824744614, 2.14961083302462,
2.15717226465044, 2.16464472287464, 2.17203031834828, 2.17933109740207,
2.18654904729014, 2.19368610417827, 2.20074416242255, 2.20772507771543,
2.21463066429355, 2.2214626950629, 2.22822290393084, 2.23491298448034,
2.24153458547506, 2.24808930743357, 2.25457870003345, 2.26100425466765,
2.26736739519304, 2.27366947406393, 2.27991176845626, 2.28609547194039,
2.29222169050455, 2.29829141992375, 2.30430552303668, 2.31026470050494,
2.31616945318094, 2.32202003758885, 2.32781640900641, 2.33355814983544,
2.33924438051412, 2.3448736508916, 2.35044381228348, 2.3559518778997,
2.36139385612463, 2.36676455738366, 2.37205741259143, 2.37726426201264,
2.38237517331566, 2.38737831946074, 2.39225993069978, 2.39700436076639,
2.40159431859356, 2.40601130725183, 2.41023630806784, 2.4142507588751,
2.418037990112, 2.42158487083293, 2.42488372545427, 2.42793436504128,
2.43074593332474, 2.4333379706335, 2.43574001568792, 2.4379889754186,
2.44012113735539, 2.44214574160271
])

z2 = np.array([
30.0078688964104, 30.0065512265173, 30.0029356360187, 29.9976735322442,
29.9915262693748, 29.9844424862537, 29.9762659464609, 29.9667364364951,
29.9554600427241, 29.9419800400481, 29.9256478232344, 29.9054159211507,
29.8799561681087, 29.8476996253689, 29.8061730864421, 29.7532731986494,
29.6880451094337, 29.6112448542866, 29.5253946922475, 29.4335819554567,
29.3384411867613, 29.2415312959595, 29.1437049711797, 29.04539962879,
28.9468401079325, 28.8481308935213, 28.7493306654707, 28.6504694225423,
28.5515612207417, 28.4526148172972, 28.3536354145385, 28.2546261943038,
28.1555895272291, 28.0565273761794, 27.9574414945533, 27.8583335076939,
27.7592047062979, 27.6600561309973, 27.5608887508238, 27.4617034796921,
27.3625011864055, 27.2632827022544, 27.1640488269094, 27.0648003331593,
26.9655379708194, 26.866262470073, 26.7669745291472, 26.6676746328858,
26.5683632230419, 26.4690407437848, 26.3697076224236, 26.2703642715209,
26.171011090825, 26.0716484692661, 25.9722767866544, 25.8728964148864,
25.7735077188227, 25.6741110570318, 25.5747068020388, 25.4752952472731,
25.3758766209457, 25.2764511425401, 25.1770190239312, 25.077580470411,
24.978135681488, 24.8786848515835, 24.7792281708969, 24.6797658262875,
24.5802980016905, 24.4808248780774, 24.381346633632, 24.2818634440495,
24.1823754825859, 24.0828829198801, 23.9833859238618, 23.8838846597107,
23.7843792895138, 23.6848699718101, 23.5853568615186, 23.4858401098541,
23.3863198605794, 23.2867961336504, 23.1872689742316, 23.0877384678003,
22.9882046876333, 22.8886676931036, 22.7891275276662, 22.6895842161987,
22.5900377616683, 22.4904881410033, 22.3909353002525, 22.2913791491932,
22.1918194461756, 22.0922558825952, 21.9926883788735, 21.8931167722048,
21.7935407990426, 21.6939600883707, 21.5943741599893, 21.4947824294466,
21.395184222527, 21.2955788018895, 21.1959654064542, 21.0963434196656,
20.9967131851386, 20.8970742537356, 20.7974262724062, 20.6977693400472,
20.5981040167542, 20.4984312619284, 20.3987523065558, 20.2990684973495,
20.1993811617366, 20.099691467103, 20
])

y2 = np.full(len(x2),2)

x3 = np.array([
0, 0.106091997247487, 0.212282862868987, 0.318600341722176, 0.425123104761527,
0.531901352872626, 0.638980673349671, 0.746408888895399, 0.85423835573243,
0.962522013543275, 1.07131093710695, 1.18064439993891, 1.29054534660613,
1.40102082494537, 1.51205952335725, 1.62363164712265, 1.73568405272677,
1.84814589283292, 1.96093277164309, 2.07395098084042, 2.18706544796369,
2.30006049798178, 2.41251892919309, 2.52351045392648, 2.63096976610101,
2.73100121086301, 2.77148016441521, 2.78453458174498, 2.79186010794094,
2.79751816975908, 2.80236248394865, 2.80670132496914, 2.81067659404222,
2.81436810315714, 2.81782835677761, 2.81838473210957, 2.82109652791738,
2.82420427153188, 2.82717868109766, 2.83004342751941, 2.83281945446213,
2.83552519787279, 2.83817680575457, 2.84078819902162, 2.84337124785453,
2.84593589783908, 2.84849035993836, 2.85104128587469, 2.85359396537556,
2.85615250287907, 2.85872000627528, 2.86129873724824, 2.86389026304064,
2.86649557135293, 2.86911518641933, 2.8717492484006, 2.87439759958004,
2.87705983816952, 2.87973537526801, 2.88242347197052, 2.88512327706806,
2.88783385231766, 2.88845703622116, 2.89055419723002, 2.89328326484414,
2.89601997738632, 2.89876323695298, 2.90151193463858, 2.90426495815636,
2.90702119863042, 2.90977955571619, 2.91253894330014, 2.91529829288703,
2.91805655711182, 2.92081271230053, 2.92356576021251, 2.92631472933472,
2.92905867580467, 2.93179668334584, 2.93452786251032, 2.93725134958514,
2.93965292016822, 2.93996630533669, 2.94267191310587, 2.94536737736262,
2.94805192150669, 2.95072478659992, 2.95338522921948, 2.9560325199586,
2.95866594104728, 2.96128478419988, 2.96388834746919, 2.96647593163284,
2.96904683568692, 2.97160035145282, 2.97413575724706, 2.97425125556441,
2.97665231021929, 2.97914923756346, 2.98162572566976, 2.98408090824307,
2.98651385151949, 2.98892353757412, 2.99130884415201, 2.99366851923393,
2.99600114768388, 2.9962606601005, 2.99830510879971, 3.00057851901249,
3.00281914620488, 3.00502428120326, 3.00719053828585, 3.00931351650196,
3.00952011645174, 3.01138721018009, 3.0134029388599, 3.01534737564675,
3.01699921085196, 3.01719889804888, 3.01892089400833, 3.02044973125651,
3.02078939388317, 3.02167377283328, 3.02228920892799, 3.02239824880744
])

z3 = np.array([
30.1186241174416, 30.1184849219899, 30.1171034471136, 30.1152951272103, 30.1133655615441,
30.1113195993005, 30.1091433108655, 30.1068210776114, 30.1043270725803, 30.1016326866963,
30.0986949871154, 30.095463219881, 30.091866695563, 30.087823561571, 30.0832240264785,
30.0779411584852, 30.0718042824719, 30.064598064254, 30.0560271138372, 30.0456642379577,
30.0328664792409, 30.0166381634173, 29.995383512023, 29.9666311419869, 29.9269062544625,
29.8724446142301, 20, 20.0992866487574, 20.1987778658839, 20.2983155533319, 20.3978803414887,
20.4974615256815, 20.5970538814448, 20.6966543922422, 20.796260963899, 29.8010645620936,
20.8958720196992, 20.9954865830927, 21.0951039613303, 21.1947236485541, 21.2943452750121,
21.3939685837807, 21.493593496968, 21.5932201164118, 21.6928485704969, 21.7924790313127,
21.8921116969745, 21.9917467869875, 22.0913845424964, 22.1910252330904, 22.2906691240923,
22.3903164843267, 22.4899675841224, 22.5896226941457, 22.6892820856006, 22.7889460266206,
22.888614783746, 22.988288620861, 23.0879678014928, 23.1876525873797, 23.287343240002,
23.3870400197103, 29.7142868959217, 23.486743187404, 23.5864530033367, 23.6861697290352,
23.7858936263979, 23.885624958565, 23.9853639878029, 24.0851109788725, 24.1848661985415,
24.2846299172733, 24.3844024085183, 24.4841839497909, 24.5839748236319, 24.6837753181654,
24.7835857287758, 24.8834063591202, 24.9832375223667, 25.0830795430067, 25.1829327578276,
29.6171448515155, 25.2827975190689, 25.3826741941813, 25.4825631716602, 25.5824648589361,
25.6823796912861, 25.7823081276471, 25.8822506637417, 25.9822078278468, 26.0821801933113,
26.1821683788585, 26.2821730607998, 26.3821949758609, 26.482234934283, 26.5822938276285,
29.5148759694037, 26.6823726493158, 26.7824724970099, 26.8825946040959, 26.9827403478161,
27.0829112850487, 27.1831091758242, 27.283336026885, 27.3835941282532, 27.4838861281617,
29.4108704451581, 27.5842150845333, 27.6845846449453, 27.7849990464475, 27.8854632367103,
27.9859831360428, 28.0865659498792, 29.3067361736195, 28.1872205245328, 28.2879579643369,
28.3887923780716, 29.2030641097122, 28.4897421297855, 28.5908314496745, 28.6920929845482,
29.0999759013086, 28.7935707828626, 28.997430828688, 28.8953250739844
])

y3 = np.full(len(x3),3)

def filter_data_by_indices(data, indices_to_keep):

# Convert 1-based indices to 0-based indices for Python indexing
indices_to_keep =

# Filter the data by the specified indices
filtered_data = [data for i in indices_to_keep if 0

Подробнее здесь: https://stackoverflow.com/questions/793 ... ation-data

1737240584

Anonymous

Я работаю с набором 3D-данных в Python, где некоторые точки (x,y) создают структуры, подобные фреймам, некоторые из них имеют несколько значений z для каждой пары (x,y), что, по-видимому, приводит к проблеме. с Griddata.
Приведенный код создает интерполяцию между двумя наборами данных в качестве рабочего примера, а затем пытается интерполировать два набора данных, один из которых имеет несколько значений z. Данные и интерполяция нанесены на график для каждого случая.  Я также предоставляю изображение с маркировкой, что, похоже, и создает проблему.
Как я могу интерполировать такие данные с помощью Griddata или есть другой способ?
[img]https://i.sstatic.net/DdJV12W4.png[/img]

Код содержит часть оригинала (моделирования).
import numpy as np
import matplotlib.pyplot as plt
from scipy.spatial import distance
from scipy.interpolate import griddata
from scipy.ndimage import gaussian_filter
from mpl_toolkits.mplot3d.art3d import Poly3DCollection
from matplotlib.colors import Normalize
from matplotlib import cm
import matplotlib.tri as mtri
from scipy.interpolate import LinearNDInterpolator

x1 = np.array([
0, 0.08317108166803, 0.16393703317322, 0.24010197356808, 0.31189968667059,
0.37964309047995, 0.44362962064596, 0.50416941327588, 0.56154833462750, 0.61603270573008,
0.66785467575344, 0.71722870327800, 0.76434124363645, 0.80936126105512, 0.85243882934910,
0.89371020366228, 0.93330023252176, 0.97132031393031, 1.0078733278234, 1.04305186588065,
1.07694164659622, 1.10962198351184, 1.14116475234496, 1.17163490787683, 1.20109277181813,
1.22959493653164, 1.25719327772516, 1.28393541084346, 1.30986533211137, 1.33502459428484,
1.3594517119059, 1.38318253432743, 1.40625054167016, 1.428687092237, 1.45052182005806,
1.47178239513572, 1.4924946731886, 1.51268282564772, 1.53236959683959, 1.55157657215197,
1.5703240685486, 1.58863120287582, 1.60651600994447, 1.62399550071956, 1.64108576853907,
1.65780207082065, 1.67415889980995, 1.69017008507776, 1.70584884180465, 1.72120783285127,
1.73625905724844, 1.75101389043042, 1.76548311976239, 1.77967698639756, 1.79360519288652,
1.80727689980216, 1.8207008202846, 1.83388518878035, 1.84683777315861, 1.85956584789141,
1.87207616663999, 1.88437496210868, 1.89646789288332, 1.90835992552183, 1.92005539714572,
1.9315578245162, 1.94286977773435, 1.95399269320514, 1.96492669014037, 1.97567031873621,
1.98622026624029, 1.99657105652974, 2.00671480587649, 2.01664080378909, 2.02633512036696,
2.03578034488985, 2.04495553215686, 2.05383630364206, 2.0623951776226, 2.0706018164916,
2.07842481734728, 2.0858329876037, 2.09279775917234, 2.09929633971377, 2.10531538227125,
2.11085508513429, 2.11593338459342, 2.12058937638755, 2.12488319044411, 2.12889284005344,
2.13270923022591, 2.13642524129613
])

z1 = np.array([
28.6619989743589, 28.6049608580482, 28.5450559014246, 28.4794835365082, 28.4092022241029,
28.3350387336261, 28.2576380039013, 28.1775367384564, 28.0951654495223, 28.0108638015799,
27.9249204615456, 27.8375597971889, 27.7489735572062, 27.6593178994861, 27.5687237423079,
27.4773041964674, 27.385152945665, 27.2923533725037, 27.1989741902862, 27.1050785554844,
27.0107190614389, 26.9159392616942, 26.8207798998579, 26.7252795524418, 26.6294706791138,
26.5333790187747, 26.4370286448011, 26.3404423792824, 26.2436415876413, 26.1466433615791,
26.0494627200553, 25.9521139974702, 25.8546109832136, 25.7569659319296, 25.6591888403289,
25.5612891089313, 25.4632757574251, 25.3651575801692, 25.2669423848755, 25.168636129068,
25.0702443614344, 24.9717723691753, 24.8732252294088, 24.7746078436806, 24.6759249761952,
24.5771812831842, 24.4783811991822, 24.3795278208977, 24.2806239242195, 24.1816722476486,
24.082675412506, 23.9836359405196, 23.8845562687947, 23.7854387639056, 23.6862857298263,
23.5870993764416, 23.4878813512533, 23.3886330916743, 23.2893560024275, 23.1900514136945,
23.0907205842034, 22.9913647072391, 22.8919849096176, 22.792582243255, 22.6931576855678,
22.5937118769204, 22.4942453558146, 22.3947585791552, 22.2952518558259, 22.1957253129467,
22.0961789025235, 21.9966124171542, 21.8970253898987, 21.7974170708687, 21.6977864181452,
21.5981324310853, 21.4984538542985, 21.398749114135, 21.2990163991982, 21.1992542481573,
21.0994617682189, 20.9996381351822, 20.8997827371874, 20.799896002592, 20.6999792732694,
20.6000347502029, 20.5000657435458, 20.4000764848403, 20.3000713432661, 20.2000540343164,
20.1000287433225, 20
])

y1 = np.full(len(x1),1)

x2 = np.array([
0, 0.09970480868419, 0.19934990930324, 0.29892560671855, 0.39845053029212,
0.49791294847979, 0.59729126792395, 0.69654894215390, 0.79562230931157,
0.89441829468223, 0.99278184799703, 1.09041596346573, 1.18680564093363,
1.2811247216627, 1.37173821384615, 1.45615592046124, 1.53140709459726,
1.59481447147833, 1.64540118865725, 1.68420020117436,  1.7139567901805,
1.73739377080012, 1.75669514508293, 1.77341533375185, 1.78855241978336,
1.80270054725639, 1.81619925811863, 1.82923458834867, 1.84190868011591,
1.8542787909028, 1.86637895717989, 1.87823123253782, 1.8898513429009,
1.90125155489232, 1.91244211394041, 1.92343198232874, 1.93422925599876,
1.94484137307261, 1.95527523060825, 1.96553726952681, 1.97563352932633,
1.98556968830044, 1.99535109412568, 2.00498278811171, 2.01446952528177,
2.02381579222306, 2.03302582656997, 2.04210365316528, 2.05105308938297,
2.05987776623044, 2.06858114998522, 2.07716655334668, 2.08563714669058,
2.09399597192344, 2.1022459544216, 2.11038991079032, 2.11843055346434,
2.12637049464471, 2.13421224945851, 2.14195824744614, 2.14961083302462,
2.15717226465044, 2.16464472287464, 2.17203031834828, 2.17933109740207,
2.18654904729014, 2.19368610417827, 2.20074416242255, 2.20772507771543,
2.21463066429355, 2.2214626950629, 2.22822290393084, 2.23491298448034,
2.24153458547506, 2.24808930743357, 2.25457870003345, 2.26100425466765,
2.26736739519304, 2.27366947406393, 2.27991176845626, 2.28609547194039,
2.29222169050455, 2.29829141992375, 2.30430552303668, 2.31026470050494,
2.31616945318094, 2.32202003758885, 2.32781640900641, 2.33355814983544,
2.33924438051412, 2.3448736508916, 2.35044381228348, 2.3559518778997,
2.36139385612463, 2.36676455738366, 2.37205741259143, 2.37726426201264,
2.38237517331566, 2.38737831946074, 2.39225993069978, 2.39700436076639,
2.40159431859356, 2.40601130725183, 2.41023630806784, 2.4142507588751,
2.418037990112, 2.42158487083293, 2.42488372545427, 2.42793436504128,
2.43074593332474, 2.4333379706335, 2.43574001568792, 2.4379889754186,
2.44012113735539, 2.44214574160271
])

z2 = np.array([
30.0078688964104, 30.0065512265173, 30.0029356360187, 29.9976735322442,
29.9915262693748, 29.9844424862537, 29.9762659464609, 29.9667364364951,
29.9554600427241, 29.9419800400481, 29.9256478232344, 29.9054159211507,
29.8799561681087, 29.8476996253689, 29.8061730864421, 29.7532731986494,
29.6880451094337, 29.6112448542866, 29.5253946922475, 29.4335819554567,
29.3384411867613, 29.2415312959595, 29.1437049711797, 29.04539962879,
28.9468401079325, 28.8481308935213, 28.7493306654707, 28.6504694225423,
28.5515612207417, 28.4526148172972, 28.3536354145385, 28.2546261943038,
28.1555895272291, 28.0565273761794, 27.9574414945533, 27.8583335076939,
27.7592047062979, 27.6600561309973, 27.5608887508238, 27.4617034796921,
27.3625011864055, 27.2632827022544, 27.1640488269094, 27.0648003331593,
26.9655379708194, 26.866262470073, 26.7669745291472, 26.6676746328858,
26.5683632230419, 26.4690407437848, 26.3697076224236, 26.2703642715209,
26.171011090825, 26.0716484692661, 25.9722767866544, 25.8728964148864,
25.7735077188227, 25.6741110570318, 25.5747068020388, 25.4752952472731,
25.3758766209457, 25.2764511425401, 25.1770190239312, 25.077580470411,
24.978135681488, 24.8786848515835, 24.7792281708969, 24.6797658262875,
24.5802980016905, 24.4808248780774, 24.381346633632, 24.2818634440495,
24.1823754825859, 24.0828829198801, 23.9833859238618, 23.8838846597107,
23.7843792895138, 23.6848699718101, 23.5853568615186, 23.4858401098541,
23.3863198605794, 23.2867961336504, 23.1872689742316, 23.0877384678003,
22.9882046876333, 22.8886676931036, 22.7891275276662, 22.6895842161987,
22.5900377616683, 22.4904881410033, 22.3909353002525, 22.2913791491932,
22.1918194461756, 22.0922558825952, 21.9926883788735, 21.8931167722048,
21.7935407990426, 21.6939600883707, 21.5943741599893, 21.4947824294466,
21.395184222527, 21.2955788018895, 21.1959654064542, 21.0963434196656,
20.9967131851386, 20.8970742537356, 20.7974262724062, 20.6977693400472,
20.5981040167542, 20.4984312619284, 20.3987523065558, 20.2990684973495,
20.1993811617366, 20.099691467103, 20
])

y2 = np.full(len(x2),2)

x3 = np.array([
0, 0.106091997247487, 0.212282862868987, 0.318600341722176, 0.425123104761527,
0.531901352872626, 0.638980673349671, 0.746408888895399, 0.85423835573243,
0.962522013543275, 1.07131093710695, 1.18064439993891, 1.29054534660613,
1.40102082494537, 1.51205952335725, 1.62363164712265, 1.73568405272677,
1.84814589283292, 1.96093277164309, 2.07395098084042, 2.18706544796369,
2.30006049798178, 2.41251892919309, 2.52351045392648, 2.63096976610101,
2.73100121086301, 2.77148016441521, 2.78453458174498, 2.79186010794094,
2.79751816975908, 2.80236248394865, 2.80670132496914,  2.81067659404222,
2.81436810315714, 2.81782835677761, 2.81838473210957, 2.82109652791738,
2.82420427153188, 2.82717868109766, 2.83004342751941, 2.83281945446213,
2.83552519787279, 2.83817680575457, 2.84078819902162, 2.84337124785453,
2.84593589783908, 2.84849035993836, 2.85104128587469, 2.85359396537556,
2.85615250287907, 2.85872000627528, 2.86129873724824, 2.86389026304064,
2.86649557135293, 2.86911518641933, 2.8717492484006, 2.87439759958004,
2.87705983816952, 2.87973537526801, 2.88242347197052, 2.88512327706806,
2.88783385231766, 2.88845703622116, 2.89055419723002, 2.89328326484414,
2.89601997738632, 2.89876323695298, 2.90151193463858, 2.90426495815636,
2.90702119863042, 2.90977955571619, 2.91253894330014, 2.91529829288703,
2.91805655711182, 2.92081271230053, 2.92356576021251, 2.92631472933472,
2.92905867580467, 2.93179668334584, 2.93452786251032, 2.93725134958514,
2.93965292016822, 2.93996630533669, 2.94267191310587, 2.94536737736262,
2.94805192150669, 2.95072478659992, 2.95338522921948, 2.9560325199586,
2.95866594104728, 2.96128478419988, 2.96388834746919, 2.96647593163284,
2.96904683568692, 2.97160035145282, 2.97413575724706, 2.97425125556441,
2.97665231021929, 2.97914923756346, 2.98162572566976, 2.98408090824307,
2.98651385151949, 2.98892353757412, 2.99130884415201, 2.99366851923393,
2.99600114768388, 2.9962606601005, 2.99830510879971, 3.00057851901249,
3.00281914620488, 3.00502428120326, 3.00719053828585, 3.00931351650196,
3.00952011645174, 3.01138721018009, 3.0134029388599, 3.01534737564675,
3.01699921085196, 3.01719889804888, 3.01892089400833, 3.02044973125651,
3.02078939388317, 3.02167377283328, 3.02228920892799, 3.02239824880744
])

z3 = np.array([
30.1186241174416, 30.1184849219899, 30.1171034471136, 30.1152951272103, 30.1133655615441,
30.1113195993005, 30.1091433108655, 30.1068210776114, 30.1043270725803, 30.1016326866963,
30.0986949871154, 30.095463219881, 30.091866695563, 30.087823561571, 30.0832240264785,
30.0779411584852, 30.0718042824719, 30.064598064254, 30.0560271138372, 30.0456642379577,
30.0328664792409, 30.0166381634173, 29.995383512023, 29.9666311419869, 29.9269062544625,
29.8724446142301, 20, 20.0992866487574, 20.1987778658839, 20.2983155533319, 20.3978803414887,
20.4974615256815, 20.5970538814448, 20.6966543922422, 20.796260963899, 29.8010645620936,
20.8958720196992, 20.9954865830927, 21.0951039613303, 21.1947236485541, 21.2943452750121,
21.3939685837807, 21.493593496968, 21.5932201164118, 21.6928485704969, 21.7924790313127,
21.8921116969745, 21.9917467869875, 22.0913845424964, 22.1910252330904, 22.2906691240923,
22.3903164843267, 22.4899675841224, 22.5896226941457, 22.6892820856006, 22.7889460266206,
22.888614783746, 22.988288620861, 23.0879678014928, 23.1876525873797, 23.287343240002,
23.3870400197103, 29.7142868959217, 23.486743187404, 23.5864530033367, 23.6861697290352,
23.7858936263979, 23.885624958565, 23.9853639878029, 24.0851109788725, 24.1848661985415,
24.2846299172733, 24.3844024085183, 24.4841839497909, 24.5839748236319, 24.6837753181654,
24.7835857287758, 24.8834063591202, 24.9832375223667, 25.0830795430067, 25.1829327578276,
29.6171448515155, 25.2827975190689, 25.3826741941813, 25.4825631716602, 25.5824648589361,
25.6823796912861, 25.7823081276471, 25.8822506637417, 25.9822078278468, 26.0821801933113,
26.1821683788585, 26.2821730607998, 26.3821949758609, 26.482234934283, 26.5822938276285,
29.5148759694037, 26.6823726493158, 26.7824724970099, 26.8825946040959, 26.9827403478161,
27.0829112850487, 27.1831091758242, 27.283336026885, 27.3835941282532, 27.4838861281617,
29.4108704451581, 27.5842150845333, 27.6845846449453, 27.7849990464475, 27.8854632367103,
27.9859831360428, 28.0865659498792, 29.3067361736195, 28.1872205245328, 28.2879579643369,
28.3887923780716, 29.2030641097122, 28.4897421297855, 28.5908314496745, 28.6920929845482,
29.0999759013086, 28.7935707828626, 28.997430828688, 28.8953250739844
])

y3 = np.full(len(x3),3)

def filter_data_by_indices(data, indices_to_keep):

# Convert 1-based indices to 0-based indices for Python indexing
indices_to_keep = [i - 1 for i in indices_to_keep]

# Filter the data by the specified indices
filtered_data = [data[i] for i in indices_to_keep if 0 

Подробнее здесь: [url]https://stackoverflow.com/questions/79367831/python-3d-surface-interpolation-from-2d-simulation-data[/url]

Ответить Пред. тема След. тема

1 сообщение • Страница 1 из 1

Быстрый ответ

Заголовок:

Имя пользователя:

Изменение регистра текста:

Смайлики

Ещё смайлики…

К этому ответу прикреплено по крайней мере одно вложение.

Если вы не хотите добавлять вложения, оставьте поля пустыми. Можно прикреплять файлы, перетаскивая их в окно сообщения.

Максимально разрешённый размер вложения: 15 МБ.

Имя файла:

Комментарий к файлу:

Имя файла	Комментарий к файлу	Размер	Статус

Похожие темы

Ответы

Просмотры

Последнее сообщение

Данные X,Y,Z. Создание графика поверхности и интерполяция из графика поверхности

Последнее сообщение Anonymous « 21 сен 2024, 14:07
Добавлено в форуме Python

Anonymous » 21 сен 2024, 14:07 » в форуме Python

Я работаю над анализом данных с использованием Pandas и Bokeh/Matplotlib
У меня есть столбцы данных X, Y и Z во фрейме данных. Я хочу создать из него поверхностный график (с конкретными точками сетки) (предпочтительно кубическую/сплайновую...

0 Ответы

32 Просмотры

Последнее сообщение Anonymous
21 сен 2024, 14:07
Данные X,Y,Z. Создание графика поверхности и интерполяция с графика поверхности [закрыто]

Последнее сообщение Anonymous « 23 сен 2024, 21:39
Добавлено в форуме Python

Anonymous » 23 сен 2024, 21:39 » в форуме Python

Я работаю над анализом данных с помощью Pandas.
У меня есть столбцы данных X, Y и Z во фрейме данных. Я хочу создать из него поверхностный график (с определенными точками сетки) (предпочтительно кубическую/сплайновую интерполяцию), который выглядит...

0 Ответы

28 Просмотры

Последнее сообщение Anonymous
23 сен 2024, 21:39
Данные X,Y,Z. Создание графика поверхности и интерполяция из графика поверхности

Последнее сообщение Anonymous « 26 сен 2024, 22:40
Добавлено в форуме Python

Anonymous » 26 сен 2024, 22:40 » в форуме Python

Я работаю над анализом данных с помощью Pandas.
У меня есть столбцы данных X, Y и Z во фрейме данных. Я хочу создать из него поверхностный график (с определенными точками сетки) (предпочтительно кубическую/сплайновую интерполяцию), который выглядит...

0 Ответы

30 Просмотры

Последнее сообщение Anonymous
26 сен 2024, 22:40
Как правильно замаскировать участок цилиндрической поверхности в графике поверхности Plotly 3D?

Последнее сообщение Anonymous « 02 дек 2024, 22:14
Добавлено в форуме Python

Anonymous » 02 дек 2024, 22:14 » в форуме Python

Я пытаюсь построить трехмерную цилиндрическую трубу с помощью Plotly в Python и хочу исключить часть трубы на основе угла. Я использую np.nan для маскировки значений в массиве, но сталкиваюсь с проблемами искажения формы.
Ниже приведен код, который...

0 Ответы

24 Просмотры

Последнее сообщение Anonymous
02 дек 2024, 22:14
Как правильно замаскировать участок цилиндрической поверхности в графике поверхности Plotly 3D?

Последнее сообщение Anonymous « 09 дек 2024, 21:08
Добавлено в форуме Python

Anonymous » 09 дек 2024, 21:08 » в форуме Python

Я пытаюсь построить трехмерную цилиндрическую трубу с помощью Plotly в Python и хочу исключить часть трубы по углу. Я использую np.nan для маскировки значений в массиве, но сталкиваюсь с проблемами искажения формы.
Ниже приведен код, который я...

0 Ответы

19 Просмотры

Последнее сообщение Anonymous
09 дек 2024, 21:08

Вернуться в «Python»