当前位置：首页 > article >正文

一个结合创意与技术的Python数据可视化案例，展示动态3D粒子轨迹图与热力图的融合效果，代码包含注释与关键技术点解析

article 2025/3/8 9:27:08

以下是一个结合创意与技术的Python数据可视化案例，展示动态3D粒子轨迹图与热力图的融合效果，代码包含注释与关键技术点解析：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
import plotly.express as px
import plotly.graph_objects as go

# 生成模拟数据：三维粒子运动轨迹
np.random.seed(42)
n_points = 500
t = np.linspace(0, 10, n_points)
x = np.sin(t) + 0.1*np.random.randn(n_points)
y = np.cos(t) + 0.1*np.random.randn(n_points)
z = t + 0.2*np.random.randn(n_points)
data = pd.DataFrame({'Time': t, 'X': x, 'Y': y, 'Z': z})

# 创建动态3D动画
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

def update(frame):
    ax.clear()
    ax.scatter(data['X'][:frame], data['Y'][:frame], data['Z'][:frame], 
               c=t[:frame], cmap='viridis', alpha=0.6)
    ax.set_xlim(-2, 2)
    ax.set_ylim(-2, 2)
    ax.set_zlim(0, 12)
    ax.set_title(f'Time: {t[frame]:.1f} seconds')
    return ax

ani = FuncAnimation(fig, update, frames=n_points, interval=50)
ani.save('3d_trajectory.gif', writer='pillow')
plt.close()

# 生成热力图与轨迹叠加的交互式可视化
fig = go.Figure()

# 粒子轨迹
fig.add_trace(go.Scatter3d(
    x=data['X'], y=data['Y'], z=data['Z'],
    mode='lines',
    line=dict(color='gold', width=2),
    name='Trajectory'
))

# 热力图层（密度可视化）
density = px.density_contour(data, x='X', y='Y', marginal_x='histogram', marginal_y='histogram').data
fig.add_trace(go.Scatter(
    x=density.x, y=density.y, z=density.z,
    mode='lines',
    line=dict(color='red', width=1),
    name='Density Contour'
))

# 设置布局
fig.update_layout(
    scene=dict(
        xaxis_title='X Axis',
        yaxis_title='Y Axis',
        zaxis_title='Z Axis',
        camera Eye=dict(x=1.5, y=1.5, z=1.5)
    ),
    title='3D Particle Trajectory with Density Heatmap',
    template='plotly-dark'
)

# 保存为HTML交互文件
fig.write_html('3d_trajectory_plotly.html')

技术亮点解析

动态可视化实现
- 使用matplotlib.animation.FuncAnimation创建实时更新的3D粒子轨迹动画
- 通过cmap='viridis'实现颜色随时间渐变，增强视觉层次
多维度数据融合
- 将3D轨迹与2D密度热力图结合，展示空间分布特征
- 利用px.density_contour生成概率密度等高线
交互式增强
- Plotly输出支持缩放、旋转、数据悬停查看
- 暗黑主题模板template='plotly-dark'提升视觉舒适度
性能优化
- 使用np.random.randn生成高斯噪声模拟真实数据波动
- 通过alpha=0.6设置透明度避免数据点重叠遮挡