Python数据可视化分为
标量可视化，矢量可视化，轮廓线可视化
标量又称无向量，只有大小没有方向，运算遵循代数运算法则比如质量，密度，温度，体积，时间
矢量又称向量，它是由大小，方向共同确定的量，运算时遵循几何运算法则，如速度，加速度，力，磁场强度，电场强度等
#实例1标量数据可视化
'''
使用等值面对标量场进行可视化（体绘制[三维空间数据场]常用手段）
等值面：标量场中标量值相等的曲面，类似地图中的等高线
tvtk.ContourFilter等值面过滤器，用来获得等值面，
它是由vtkObject<--vtkAlogorithm<--vtkPolyDataAlgorithm继承得到的一个类
两个方法
generate_values()设定n条等值线的值，一般用于重新绘制等值线
set_value()设定一条等值线的值，一般用于覆盖某条等值线或者新增加一条等值线
from tvtk.api import tvtk from tvtkfunc import ivtk_scene,event_loop #读入plot3D数据 plot3d=tvtk.MultiBlockPLOT3DReader( xyz_file_name="combxyz.bin",#网格文件 q_file_name="combq.bin",#空气动力学结果文件 scalar_function_number=100,#设置标量数据数量 vector_function_number=200#设置矢量数据数量 ) plot3d.update() grid = plot3d.output.get_block(0)#获取读入的数据集 con = tvtk.ContourFilter()#创建等值面对象 con.set_input_data(grid)#将网格与其进行绑定 #范围由数组Scalars.range决定,颜色也由scalars决定 con.generate_values(10,grid.point_data.scalars.range)#创建10个等值面 #默认映射表：最小值为红色，最大值为蓝色 #对映射器进行构造 m=tvtk.PolyDataMapper(scalar_range=grid.point_data.scalars.range,input_connection=con.output_port) #对标量行为属性进行赋值，设置成新增加的数组的取值范围 a=tvtk.Actor(mapper=m) #由于这十个等值面会相互嵌套，为观察等值面内部结构，修改Actor对象透明度为0.5 a.property.opacity=0.5 #绘制交互窗口 win=ivtk_scene(a) win.scene.isometric_view() event_loop()
generate_values是创建等值面的函数，它可以同时设定n条等值线的值。
尝试更改generate_values之中的n值之后颜色改变。可以使用set_value方法设置每个等值面的值，它的第一个参数指定了第几个等值面，第二个参数指定了等值面的值。
运行效果是很漂亮的，通过设置不同的透明度会出现不同的效果。
矢量数据可视化
用箭头表示矢量数据场的数据，
箭头的大小可以表示标量信息，
箭头的方向可以表示矢量数据的方向
为了在矢量数据的网格处放置箭头符号，使用tvtk库提供的Glyph3D方法
可以产生放缩，着色和具有方向的符号
vtkObject<--vtkAlgorithm<--vtkPolyDataAlgorithm<--vtkGly3D
可以采用降维的方法降低数据密度
可以使用tvtk.MaskPoints()对数据进行降采样
vtkObject<--vtkAlgorithm<--vtkPolyDataAlgorithm<--vtkMaskPoints
from tvtk.api import tvtk from tvtkfunc import ivtk_scene,event_loop #读入plot3D数据 plot3d=tvtk.MultiBlockPLOT3DReader( xyz_file_name="combxyz.bin",#网格文件 q_file_name="combq.bin",#空气动力学结果文件 scalar_function_number=100,#设置标量数据数量 vector_function_number=200#设置矢量数据数量 ) plot3d.update() grid = plot3d.output.get_block(0)#获取读入的数据集(StructureGrid) #对数据集中的数据进行随机选取，每50个点选择一个点 mask = tvtk.MaskPoints(random_mode = True,on_ratio = 50)#为数据进行了降采样 #每50个点选择一个点，为数据进行了降采样。为了观察效果可以在shell中进行输出降采样的效果 mask.set_input_data(grid)#将grid与musk相连 #创建表示箭头的PolyData数据集 glyph_source = tvtk.ArrowSource()#ArrowSource可以改成ConeSource()出来的箭头变成圆锥,scale_factor=2设置防缩系数 #在Mask采样后的PolyData数据集每个点上放置一个箭头 #箭头的方向、长度和颜色由于点对应的矢量和标量数据决定 #在本例中箭头的方向表示速度的方向，大小和颜色表示密度 #箭头越大，该点标量值越大。箭头的颜色表表示标量值的大小 #红色对应的标量值越小，蓝色对应的标量值越大 glyph=tvtk.Glyph3D(input_connection=mask.output_port,scale_factor=4)#4表示符号的共同放缩系数 #tvtk的可视化技术，它输入数据的每个点都被拷贝一个符号。 #符号本身是通过Glyph3D的filter的第二个输入函数来接收vtkPolyData的类型数据 #然后通过ArrowSource在每个点上放置一个箭头 glyph.set_source_connection(glyph_source.output_port) m=tvtk.PolyDataMapper(scalar_range=grid.point_data.scalars.range,input_connection=glyph.output_port) a=tvtk.Actor(mapper=m) #交互窗口绘制 win=ivtk_scene(a) win.scene.isometric_view() event_loop()
运行效果如下，可以说是仿真版的西北风本风了哇咔咔咔
按照注释的方法换成圆锥是什么效果呢？
哈哈哈小圆锥萌萌哒~如果我再皮一下换成立方体呢？
竟然莫名地好看。。
降采样技术是挺重要的，要不可能根本出不来
可以使用tvtk.MaskPoints()对数据进行降采样。可以通过Shell查看降采样之前的数据个数和降采样之后的数据个数
相差还是多的
空间轮廓线可视化
针对载入的流体数据计算其空间轮廓线并进行三维可视化
使用tvtk.StructuredGridOutlineFilter()来实现PoluData对象的外边框计算
该类也是继承自
vtkObject<--vtkAlgorithm<--vtkPolyDataAlgorithm<--vtkStructuredGridOutlineFilter
from tvtk.api import tvtk from tvtk.common import configure_input from tvtkfunc import ivtk_scene,event_loop #读入plot3D数据 plot3d=tvtk.MultiBlockPLOT3DReader( xyz_file_name="combxyz.bin",#网格文件 q_file_name="combq.bin",#空气动力学结果文件 scalar_function_number=100,#设置标量数据数量 vector_function_number=200#设置矢量数据数量 ) plot3d.update()#让plot3D计算出其输出数据 grid = plot3d.output.get_block(0)#获取读入的数据集(StructureGrid) outline = tvtk.StructuredGridOutlineFilter()#计算表示外边框（轮廓）的PolyData对象 configure_input(outline,grid)#调用将外框计算与数据集产生关联 #两个参数：一个是外框PolyData对象一个是流体数据grid m = tvtk.PolyDataMapper(input_connection=outline.output_port) a = tvtk.Actor(mapper=m)#创建一个Action实体Actor a.property.color= 0.3, 0.3, 0.3 #窗口绘制 win = ivtk_scene(a)
运行结果就是当前文件的轮廓线
