Python导入Excel三维坐标数据生成三维曲面地形图(体)5-3、线条平滑曲面且可通过面观察柱体变化(三)

环境和包: 

环境 python:python-3.12.0-amd64包: matplotlib 3.8.2 pandas     2.1.4 openpyxl   3.1.2 scipy      1.12.0

代码: 

import pandas as pd import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from scipy.interpolate import griddata from matplotlib.colors import ListedColormap import numpy as np from matplotlib import pyplot as plt from matplotlib import font_manager from matplotlib.image import imread from matplotlib.widgets import Button from tkinter import messagebox #解决中文乱码问题 plt.rcParams['font.sans-serif']=['kaiti'] plt.rcParams["axes.unicode_minus"]=False #解决图像中的"-"负号的乱码问题 # 创建自定义颜色调色板 def create_custom_colormap(name, colors): colors = np.array(colors) cmap = plt.get_cmap(name) cmap.set_over(colors[-1]) cmap.set_under(colors[0]) cmap.set_bad(colors[0]) return cmap # 定义一些颜色 #colors = ['red', 'blue', 'green', 'yellow', 'purple'] colors = ['red', 'orange', 'yellow', 'green', 'blue'] # 创建自定义颜色映射对象 my_colormap = create_custom_colormap('turbo', colors) # 读取Excel文件 df = pd.read_excel('煤仓模拟参数41.xlsx') #df = pd.read_excel('煤仓模拟参数222.xlsx') #去除无效点 # 根据A列和B列分组，并将每组中C列的值更改为该组中C列的最小值 df['Z轴'] = df.groupby(['X轴', 'Y轴'])['Z轴'].transform('min') #print('数量:',df) # 提取x、y、z数据 x = df['X轴'].values y = df['Y轴'].values z = df['Z轴'].values plt.rcParams['figure.facecolor'] = 'lightblue' # 创建三维坐标轴对象 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 设置figure标题 # 使用平滑曲面插值方法创建地形图（假设使用样条插值方法） #smoothed_terrain = ax.scatter(x, y, z, cmap='viridis') # 使用griddata函数进行插值，这里使用最近邻插值法，你也可以选择其他的插值方法 # 插值后的数据用于绘制平滑曲面地形图 grid_x, grid_y = np.mgrid[min(x):max(x):100j, min(y):max(y):100j] grid_z = griddata((x, y), z, (grid_x, grid_y), method='cubic') # 设置颜色映射和透明度 cmap = plt.get_cmap('RdYlBu') # 选择颜色映射 norm = plt.Normalize(vmin=-5, vmax=5) # 标准化高度值 alpha = norm(grid_z).data # 计算透明度 colors = cmap(norm(grid_z).data) # 计算颜色值 # 使用平滑曲面插值后的数据绘制地形图 # 绘制地形图(camp:coolwarm,viridis,plasma,inferno,magma,cividis,rainbow) cmap = ListedColormap(['blue', 'green', 'yellow', 'orange','Red']) ax.contourf(grid_x, grid_y, grid_z, levels=300, cmap=my_colormap) #ax.contourf(grid_x, grid_y, grid_z, levels=60, cmap='viridis') # 绘制x-y,Z=16452的平面 grid_z1 = griddata((x, y), np.ones(x.shape) * 16452, (grid_x, grid_y), method='cubic') ax.contourf(grid_x, grid_y, grid_z1,colors='blue') # 生成圆柱数据，底面半径为r，高度为h。 # 查找列'X'的绝对值等于9000的行，并获取列'Z'中的最小值 h_min = df[(abs(df['X轴']) == 9000) & (df['Z轴'].notnull())]['Z轴'].min() # 先根据极坐标方式生成数据 u1 = np.linspace(0, 2 * np.pi, 50) # 把圆分按角度为50等分 h1 = np.linspace(16650, h_min-200, 20) # 把高度9000均分为20份 x1 = np.outer(np.sin(u1), np.ones(len(h1))*9000) # x值重复20次 y1 = np.outer(np.cos(u1), np.ones(len(h1))*9000) # y值重复20次 z1 = np.outer(np.ones(len(u1)), h1) # x，y 对应的高度 # Plot the surface ax.plot_surface(x1, y1, z1, cmap=plt.get_cmap('Blues')) ax.grid(True) # 添加颜色条 cbar = plt.colorbar(plt.imshow(grid_z, cmap=cmap), ax=ax) cbar.set_label('Height') # 读取背景图 img = imread('1.jpeg') # 添加背景图 ax.imshow(img, alpha=0.5) # 设置x轴的刻度间隔 ax.set_xticks(np.arange(-9000, 9000, 2500)) # 从-7500到7500，步长为2500 # 设置y轴的刻度间隔 ax.set_yticks(np.arange(-9000, 9000, 2500)) # 从-7500到7500，步长为2500 # 设置z轴的刻度间隔 #ax.set_zticks(np.arange(16452, 36316, 2500)) # 从10000到31000，步长为2500 # 创建包含不规则刻度的数组 z_ticks = np.array([16452,18952,21452,23952,26452,28952,31452,33952,36316]) # 设置z轴刻度间隔 ax.set_zlim([16452, 36316]) # 设置z轴的范围 ax.set_zticks(z_ticks) # 设置z轴刻度的值 # 设置新的刻度列表 ax.set_zticks(z_ticks) # 设置新的刻度列表 # 设置x轴和y轴的标签为空字符串，并隐藏它们 ax.set_xlabel('') ax.set_ylabel('') ax.set_xticks([]) ax.set_yticks([]) # 设置坐标轴的位置和方向 ax.spines['right'].set_color('none') # 隐藏右侧的坐标轴线 ax.spines['top'].set_color('none') # 隐藏顶部的坐标轴线 ax.spines['bottom'].set_color('none') # 隐藏右侧的坐标轴线 ax.spines['left'].set_color('none') # 隐藏顶部的坐标轴线 #计算面积,容积,最高料位等 h = df['Z轴'].mean()-16452 #print(h) # 计算圆柱体的体积 #pi = np.pi #V = np.pi * r**2 * h # 圆柱体体积公式：πr²h r 9000 h-16452 983.6 3000上下就是对的 #print(V) # 计算圆柱体的体积 r=9000 pi = np.pi V = np.pi * r**2 * h # 圆柱体体积公式：πr²h r 9000 h-16452 983.6 3000上下就是对的 #print('V=',V) def mm3_to_m3(mm3): m3 = mm3 / (1000**3) return m3 # 测试代码 mm3_value = V # 1立方米等于1000000立方毫米 m3_value = mm3_to_m3(mm3_value) print(m3_value) m3_value_1=m3_value+983.6 print('体积=',m3_value_1) zl=1.5*m3_value_1 print('质量=',zl) VP=m3_value_1/6022.72#6022.72为总桶的总体积 print('容积=',VP) # 找到该列的最大值和最小值 max_value = df['Z轴'].max() min_value = df['Z轴'].min() h=h+16342 # 打印结果 print("最高料位=",max_value) print("最低料位=",min_value) print("平均料位=",h) # 添加标题和坐标轴标签 ax.set_title('高度变化显示顶仓、筒和底仓的料的变化') # 在图形上添加文本 str = "体积="+np.array2string(m3_value_1)+"\n质量="+np.array2string(zl)+"\n容积="+"{:.2%}".format(VP)+"\n最高料位="+np.array2string(max_value)+"\n最低料位="+np.array2string(min_value)+"\n平均料位="+np.array2string(h) ax.text(-28000,-5000,10000,str) # 在指定位置添加文本 ax.text2D(-0.3, 0.5, str, transform=ax.transAxes, fontsize=12, color='b') # 改变图形显示的角度 ax.view_init(elev=30, azim=-73) # 设置图形比例，使X、Y轴和面板底部重合 ax.set_aspect('equal', adjustable='box') # 设置图形比例，使X、Z轴重合 ax.set_axis_off() # 关闭坐标轴 plt.show()

效果图: 

资源下载(分享-->资源分享)：

链接：https://pan.baidu.com/s/1UlP0lsma8OWchfV5kstEFQ  提取码：kdgr