一，什么是属性？

        属性是存在于 一个网格。在 PyVista 中，我们同时使用点数据和单元数据，并且 允许轻松访问数据字典以保存属性数组 它们位于网格的所有点或所有单元上。

点数据

点数据是指值数组（标量、向量等），这些值 Live 在网格的每个点上。属性数组中的每个元素 对应于网格中的一个点。让我们创建一些点 数据。绘制时，点之间的值为 跨单元格进行插值。

import numpy as np  # 导入 NumPy 库，用于处理数组和生成随机数  
import pyvista as pv  # 导入 PyVista 库，用于三维可视化  

# 从 STL 文件读取网格数据  
mesh = pv.read('hexbeam.stl')  

# 设置相机位置，用于绘制时视角的选择  
cpos = [(6.20, 3.00, 7.50),   # 相机位置的坐标  
        (0.16, 0.13, 2.65),   # 注意点的坐标 (即视角朝向的中心点)  
        (-0.28, 0.94, -0.21)]  # 上向量坐标，控制相机的上方向  

# 为每一个点的数据设置一个名为 'my point values' 的标量值  
mesh.point_data['my point values'] = np.arange(mesh.n_points)  

# 绘制网格，使用 ivalue 'my point values' 表示的标量值，并显示边缘线  
mesh.plot(scalars='my point values', cpos=cpos, show_edges=True)

 

代码解释：

1. 导入库：

   • numpy 用于数值运算和数组操作，这里主要用来生成值数组。
   • pyvista 是一个用于三维可视化的库，可以方便地操作和展示三维数据。

2. 读取网格文件：

   • 使用 pv.read('hexbeam.stl') 从一个 STL 文件中读取三维网格数据。这种文件格式通常用于存储三维模型。

3. 设置相机位置：

   • cpos 是一个列表，包含三个点的三维坐标，定义了绘制图像时的相机位置、查看的目标和相机的上方向。具体包括：
     • 第一个点是相机的位置。
     • 第二个点是相机关注的目标（视野中心点）。
     • 第三个点定义了相机的“上方”方向，有助于用户更好地理解空间的方向。

4. 设置点数据：

   • mesh.point_data['my point values'] 给网格的每一个点分配一个标量数据，这里使用 np.arange(mesh.n_points) 创建一个从 0 到网格点总数的数组，便于颜色映射等可视化。

5. 绘制网格：

   • 使用 mesh.plot() 函数进行网格的可视化，scalars='my point values' 表示使用之前设置的点数据来为每个点上色，cpos=cpos 用于设置相机视角，show_edges=True 则会在绘制时显示网格的边缘线，增强立体效果。

这段代码的最终效果是展示一个三维网格，同时为不同的点赋予不同的颜色，使得可视化更加直观。

单元格数据

        单元格数据是指值数组（标量、向量等），这些值 存在于网格的每个单元中。即整个单元 （2D face 或 3D volume）被分配该属性的值。

import numpy as np  # 导入 NumPy 库，用于处理数组和生成随机数  
import pyvista as pv  # 导入 PyVista 库，用于三维可视化  

# 从 STL 文件读取网格数据  
mesh = pv.read('hexbeam.stl')  

# 设置相机位置，用于绘制时视角的选择  
cpos = [(6.20, 3.00, 17.50),  # 相机位置的坐标  
        (0.16, 0.13, 2.65),   # 注意点的坐标 (即视角朝向的中心点)  
        (-0.28, 0.94, -0.21)]  # 上向量坐标，控制相机的上方向  

# mesh.point_data['my point values'] = np.arange(mesh.n_points)  # 注释掉的代码（不执行）  

# 为每一个单元格 (cell) 的数据设置一个名为 'my cell values' 的标量值  
mesh.cell_data['my cell values'] = np.arange(mesh.n_cells)  

# 绘制网格，使用 'my cell values' 表示的标量值，并显示边缘线  
mesh.plot(scalars='my cell values', cpos=cpos, show_edges=True)

代码解释：

1. 设置单元格数据：

   mesh.cell_data['my cell values'] = np.arange(mesh.n_cells) 

   • 这行代码为网格中的每一个单元格（cell）分配一个标量值。
   • mesh.n_cells 返回当前网格中单元格的总数。np.arange(mesh.n_cells) 创建一个从 0 到单元格总数的数组，赋值给 my cell values。
   • 此时每个单元格都有了一个唯一的标量值，这些值可以用于后续的可视化，比如色彩映射。

2. 绘制网格：

   mesh.plot(scalars='my cell values', cpos=cpos, show_edges=True) 

   • 这行代码调用 mesh.plot() 方法来可视化网格数据。
   • scalars='my cell values' 指定使用之前设置的单元格数据 (my cell values) 进行色彩映射。这意味着每个单元格的颜色将根据其标量值进行变化，帮助观察者直观地理解网格的结构及分布情况。
   • cpos=cpos 用于设置相机的视角，这样绘制时能够以特定的视点观察网格。
   • show_edges=True 使得绘制的结果中显示网格的轮廓线，增加了立体感，便于观察网格结构的细节。

总结

这段代码最终展示了一个带有颜色映射的三维网格，其中颜色的变化依据每个单元格的标量值。通过单元格数据的色彩映射，使得可视化效果更为丰富，有助于更好地分析和理解三维网格的特征。

        以下是点数据与单元数据的比较，以及点数据如何 在映射颜色时跨单元格进行插值。这与 cell 不同 data 中具有单个值，该 data 在单元格的域中具有单个值：

import numpy as np  
import pyvista as pv  

# 读取 STL 文件  
uni = pv.read('hexbeam.STL')  

# 生成示例点数据和单元数据  
# 假设您有与点数量或单元数量相同的随机值  
uni.point_data['My Point Data'] = np.random.random(uni.n_points)  
uni.cell_data['My Cell Data'] = np.random.random(uni.n_cells)  

# 创建一个绘图对象，并设置为 1 行 2 列的子图  
pl = pv.Plotter(shape=(1, 2), border=False)  

# 在第一个子图中绘制点数据  
pl.add_mesh(uni, scalars='My Point Data', show_edges=True)  

# 切换到第二个子图  
pl.subplot(0, 1)  

# 在第二个子图中绘制单元数据  
pl.add_mesh(uni, scalars='My Cell Data', show_edges=True)  

# 显示绘图  
pl.show()

代码详解

1. 导入库：

   • import numpy as np: 导入NumPy库，用于生成随机数及处理数组。
   • import pyvista as pv: 导入PyVista库，用于三维可视化。

2. 读取 STL 文件：

   • uni = pv.read('001.STL'): 使用PyVista读取名为 001.STL 的网格文件，并将其存储在 uni 变量中。uni 现在是一个包含 STL 文件几何信息的网格对象。

3. 生成示例数据：

   • uni.point_data['My Point Data'] = np.random.random(uni.n_points): 为每个网格的顶点生成随机的标量值，并将其存储在 point_data 中，键名为 'My Point Data'。uni.n_points 返回网格点的总数。
   • uni.cell_data['My Cell Data'] = np.random.random(uni.n_cells): 为每个单元（面）生成随机的标量值，并将其存储在 cell_data 中，键名为 'My Cell Data'。uni.n_cells 返回网格单元的总数。

4. 创建绘图对象：

   • pl = pv.Plotter(shape=(1, 2), border=False): 创建一个绘图对象 pl，并设置为 1 行 2 列的子图布局。border=False 表示不需要显示边框。

5. 绘制网格：

   • pl.add_mesh(uni, scalars='My Point Data', show_edges=True): 在第一列子图中添加网格。使用 'My Point Data' 作为标量（色彩）来显示网格点的颜色，show_edges=True 表示绘制网格的边缘线，增强可视化效果。

6. 切换子图：

   • pl.subplot(0, 1): 切换到第一行第二列的子图，准备在该位置绘制新的图形。

7. 绘制单元数据：

   • pl.add_mesh(uni, scalars='My Cell Data', show_edges=True): 在第二列子图中添加网格，同样使用 'My Cell Data' 作为标量显示单元的颜色，不同的随机值将导致不同的颜色映射。

8. 显示绘图：

   • pl.show(): 打开一个窗口，展示以上绘制的结果。

总结

这段代码实现了从一个 STL 文件读取 3D 网格，并为网格的点和单元生成示例随机数数据，以便进行可视化。通过将网格分为两个子图，分别显示顶点数据和单元数据，用户可以直观地看到不同标量数据的可视化效果。

应用数据

        字段数据不直接与点或像元关联 但仍应附加到网格。这可能是一个字符串数组 

将单元分配给网格

以下是我们如何为 （单元）cell 属性赋值并绘制它。在这里，我们 生成包含 6 面的立方体，并为每个面分配一个整数，然后绘制它。range(6)。请注意这与将标量分配给每个点有何不同

 

import pyvista as pv  # 导入 PyVista 库  

# 创建一个立方体对象  
cube = pv.Cube()  
# 为立方体的单元数据 (cell data) 添加一组标量数据，范围为 0 到 5  
cube.cell_data['myscalars'] = range(6)  

# 复制立方体对象  
other_cube = cube.copy()  
# 为另一个立方体的点数据 (point data) 添加一组标量数据，范围为 0 到 7  
other_cube.point_data['myscalars'] = range(8)  

# 创建一个绘图器，设置为 1 行 2 列的布局，边框宽度为 1  
pl = pv.Plotter(shape=(1, 2), border_width=1)  
# 在第一个子图中添加第一个立方体，并使用 'coolwarm' 色图进行着色  
pl.add_mesh(cube, cmap='coolwarm')  
# 切换到第二个子图  
pl.subplot(0, 1)  
# 在第二个子图中添加第二个立方体，并同样使用 'coolwarm' 色图进行着色  
pl.add_mesh(other_cube, cmap='coolwarm')  
# 显示绘图  
pl.show()

 

代码解释：

1. 导入库：首先，代码导入了 pyvista 库，这是一个用于 3D 可视化的 Python 库。

2. 创建立方体：使用 pv.Cube() 创建一个立方体实例，赋值给变量 cube。

3. 添加单元数据：利用 cell_data 属性为立方体添加标量数据，这些数据是一个范围从 0 到 5 的整数。这些标量数据会在渲染时用于控制立方体表面的颜色。

4. 复制立方体：使用 copy() 方法复制 cube 以创建 other_cube。

5. 添加点数据：为复制的立方体添加点数据（point_data），这组标量数据是范围从 0 到 7 的整数，用于控制第二个立方体颜色的显示。

6. 创建绘图器：使用 pv.Plotter 创建绘图器，并设置绘图的布局为 1 行 2 列。

7. 添加和渲染立方体：

   • 在第一个子图内渲染第一个立方体（cube），使用 "coolwarm" 颜色映射。
   • 切换到第二个子图，渲染第二个立方体（other_cube），也使用 "coolwarm" 颜色映射。

8. 展示绘图：最后，通过 pl.show() 显示绘图窗口，渲染二个立方体的 3D 图像。