由于项目的需要，一直苦于将多层数据集累加起来做成一个呈堆积状的三维图，有点类似于地形图（实则热力图），但又不是地形图。
背景
先说说项目背景，本菜鸡是搞故障诊断的，所以免不了用上一些统计学的知识，看过之前我的Blog的都会发现，T 2 T^2T
2
和 S P E SPESPE 在故障诊断邻域或者说是再小范围一点，在过程监控邻域，是很好用且很关键的两个统计量，用于监测过程中的一些有故障的检测点或者区间，会有阈值限，超过阈值的则判断为故障，反而，则为正常。具体可以看->这里。
三维图
之前尝试过很多中方法来实现三维图，但是，。。。，但是均没实现完美的效果，如Echarts、Pyecharts、Plotly等等，最终还是只有用yyds，真的，没有它解决不了的可视化问题！！！
输入
（数据就像上面那样，这里我们以 T 2
的多层可视化为例展开吧）
那么下面我们直接开始搞可视化吧！！！
输出
输出最终则为我们的可视化三维图，先不爆料，看后续。
可视化
我们用的Python来实现可视化。
导入库
库先给导入进来：
import matplotlib.pyplot as plt # 可视化的matplotlib库 import pandas as pd # 数据表操作的库 from mpl_toolkits.mplot3d import Axes3D # 三维可视化 from icecream import ic # 类似于print输出
封装一些Function
虽然我们的代码不是很长，但为了代码的规范和美观，建议还是讲其封装为一个一个的function，这样调用起来更方便。
- 读取数据表
def loaddata(filename): """ 读取传入得数据表 """ dtf = pd.read_csv(filename) # 读取表格文件 return dtf
T2 三维热力图
def T2_plot(df_value, df_xy): """ 绘制T2三维热力图 """ #获取行列数 q1 = df_value.shape[1] # 列数 r1 = df_value.shape[0] # 行数 print('x_y有%r行，%r列。' % (r1, q1)) X = [] Y = [] Z = [] # 设置空数组备用 for a in range(2, q1): # 选择需要叠加的Value量选值范围2~11, 应该遍历所有列，因为每个数据表的维度不一定一致，所以最大通过获取的列传入 for xx in range(r1 + 1): # 循环迭代不同的层数 if xx < r1: IIx = df_xy.iloc[xx, 0] # 取第一列的值 IIy = df_xy.iloc[xx, 1] # 取第二列的值 IIz = df_value.iloc[xx, a] # 取相应的T2或SPE的值 # 将每个坐标轴X,y及其T2或SPE的值存入一个list中 X.append(IIx) Y.append(IIy) Z.append(IIz) ic(len(Z)) # 查看Z的数量 # 开始制图 fig = plt.figure() ax = Axes3D(fig) ax.set_xlabel('IX', fontsize=10, color='black') # 设置x标签及其参数 ax.set_ylabel('JY', fontsize=10, color='black') # 设置y标签及其参数 ax.set_zlabel('Value', fontsize=10, color='black') # 设置z标签及其参数 ax.plot_trisurf(X, Y, Z, cmap=plt.get_cmap('jet'), linewidth=0.1) # 三角表面图 plt.show() # 渲染3D图显示
- 主函数
# 主函数 if __name__=="__main__": # 导入数据表文件名 T2_name = "T2.csv" xy_name = "x_y.csv" # 读取数据表 t2 = loaddata(T2_name) xy = loaddata(xy_name) # 制作T2三维图 T2_plot(df_value=t2, df_xy=xy)
最终的效果图像这样：
换个方位再来一张：
让我们再看看底部：
深色的地方则是有多个相近的点堆积到一起的，所以会在那些点显得颜色很深。
来个大汇总，完整代码：
import matplotlib.pyplot as plt import pandas as pd from mpl_toolkits.mplot3d import Axes3D from icecream import ic # 读取数据表 def loaddata(filename): """ 读取传入得数据表 """ dtf = pd.read_csv(filename) # 读取表格文件 return dtf # T2三维热力图 def T2_plot(df_value, df_xy): """ 绘制T2三维热力图 todo:完善 """ #获取行列数 q1 = df_value.shape[1] # 列数 r1 = df_value.shape[0] # 行数 print('x_y有%r行，%r列。' % (r1, q1)) X = [] Y = [] Z = [] # 设置空数组备用 for a in range(2, q1): # 选择需要叠加的Value量选值范围2~11, 应该遍历所有列，因为每个数据表的维度不一定一致，所以最大通过获取的列传入 for xx in range(r1 + 1): # 循环迭代不同的层数 if xx < r1: IIx = df_xy.iloc[xx, 0] # 取第一列的值 IIy = df_xy.iloc[xx, 1] # 取第二列的值 IIz = df_value.iloc[xx, a] # 取相应的T2或SPE的值 # 将每个坐标轴X,y及其T2或SPE的值存入一个list中 X.append(IIx) Y.append(IIy) Z.append(IIz) ic(len(Z)) # 查看Z的数量 # 开始制图 fig = plt.figure() ax = Axes3D(fig) ax.set_xlabel('IX', fontsize=10, color='black') # 设置x标签及其参数 ax.set_ylabel('JY', fontsize=10, color='black') # 设置y标签及其参数 ax.set_zlabel('Value', fontsize=10, color='black') # 设置z标签及其参数 ax.plot_trisurf(X, Y, Z, cmap=plt.get_cmap('jet'), linewidth=0.1) # 三角表面图 plt.show() # 渲染3D图显示 # 主函数 if __name__=="__main__": # 导入数据表文件名 T2_name = "T2.csv" xy_name = "x_y.csv" # 读取数据表 t2 = loaddata(T2_name) xy = loaddata(xy_name) # 制作T2三维图 T2_plot(df_value=t2, df_xy=xy)
