由于項目的需要,一直苦于将多層資料集累加起來做成一個呈堆積狀的三維圖,有點類似于地形圖(實則熱力圖),但又不是地形圖。
背景
先說說項目背景,本菜雞是搞故障診斷的,是以免不了用上一些統計學的知識,看過之前我的Blog的都會發現,T 2 T^2T
2
和 S P E SPESPE 在故障診斷鄰域或者說是再小範圍一點,在過程監控鄰域,是很好用且很關鍵的兩個統計量,用于監測過程中的一些有故障的檢測點或者區間,會有門檻值限,超過門檻值的則判斷為故障,反而,則為正常。具體可以看->這裡。
三維圖
之前嘗試過很多中方法來實作三維圖,但是,。。。,但是均沒實作完美的效果,如Echarts、Pyecharts、Plotly等等,最終還是隻有用yyds,真的,沒有它解決不了的可視化問題!!!
輸入
(資料就像上面那樣,這裡我們以 T 2
的多層可視化為例展開吧)
那麼下面我們直接開始搞可視化吧!!!
輸出
輸出最終則為我們的可視化三維圖,先不爆料,看後續。
可視化
我們用的Python來實作可視化。
導入庫
庫先給導入進來:
import matplotlib.pyplot as plt # 可視化的matplotlib庫
import pandas as pd # 資料表操作的庫
from mpl_toolkits.mplot3d import Axes3D # 三維可視化
from icecream import ic # 類似于print輸出
封裝一些Function
雖然我們的代碼不是很長,但為了代碼的規範和美觀,建議還是講其封裝為一個一個的function,這樣調用起來更友善。
- 讀取資料表
def loaddata(filename):
"""
讀取傳入得資料表
"""
dtf = pd.read_csv(filename) # 讀取表格檔案
return dtf
T2 三維熱力圖
def T2_plot(df_value, df_xy):
"""
繪制T2三維熱力圖
"""
#擷取行列數
q1 = df_value.shape[1] # 列數
r1 = df_value.shape[0] # 行數
print('x_y有%r行,%r列。' % (r1, q1))
X = []
Y = []
Z = []
# 設定空數組備用
for a in range(2, q1): # 選擇需要疊加的Value量選值範圍2~11, 應該周遊所有列,因為每個資料表的次元不一定一緻,是以最大通過擷取的列傳入
for xx in range(r1 + 1): # 循環疊代不同的層數
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] # 取相應的T2或SPE的值
# 将每個坐标軸X,y及其T2或SPE的值存入一個list中
X.append(IIx)
Y.append(IIy)
Z.append(IIz)
ic(len(Z)) # 檢視Z的數量
# 開始制圖
fig = plt.figure()
ax = Axes3D(fig)
ax.set_xlabel('IX', fontsize=10, color='black') # 設定x标簽及其參數
ax.set_ylabel('JY', fontsize=10, color='black') # 設定y标簽及其參數
ax.set_zlabel('Value', fontsize=10, color='black') # 設定z标簽及其參數
ax.plot_trisurf(X, Y, Z, cmap=plt.get_cmap('jet'), linewidth=0.1) # 三角表面圖
plt.show() # 渲染3D圖顯示
- 主函數
# 主函數
if __name__=="__main__":
# 導入資料表檔案名
T2_name = "T2.csv"
xy_name = "x_y.csv"
# 讀取資料表
t2 = loaddata(T2_name)
xy = loaddata(xy_name)
# 制作T2三維圖
T2_plot(df_value=t2, df_xy=xy)
最終的效果圖像這樣:
換個方位再來一張:
讓我們再看看底部:
深色的地方則是有多個相近的點堆積到一起的,是以會在那些點顯得顔色很深。
來個大彙總,完整代碼:
import matplotlib.pyplot as plt
import pandas as pd
from mpl_toolkits.mplot3d import Axes3D
from icecream import ic
# 讀取資料表
def loaddata(filename):
"""
讀取傳入得資料表
"""
dtf = pd.read_csv(filename) # 讀取表格檔案
return dtf
# T2三維熱力圖
def T2_plot(df_value, df_xy):
"""
繪制T2三維熱力圖 todo:完善
"""
#擷取行列數
q1 = df_value.shape[1] # 列數
r1 = df_value.shape[0] # 行數
print('x_y有%r行,%r列。' % (r1, q1))
X = []
Y = []
Z = []
# 設定空數組備用
for a in range(2, q1): # 選擇需要疊加的Value量選值範圍2~11, 應該周遊所有列,因為每個資料表的次元不一定一緻,是以最大通過擷取的列傳入
for xx in range(r1 + 1): # 循環疊代不同的層數
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] # 取相應的T2或SPE的值
# 将每個坐标軸X,y及其T2或SPE的值存入一個list中
X.append(IIx)
Y.append(IIy)
Z.append(IIz)
ic(len(Z)) # 檢視Z的數量
# 開始制圖
fig = plt.figure()
ax = Axes3D(fig)
ax.set_xlabel('IX', fontsize=10, color='black') # 設定x标簽及其參數
ax.set_ylabel('JY', fontsize=10, color='black') # 設定y标簽及其參數
ax.set_zlabel('Value', fontsize=10, color='black') # 設定z标簽及其參數
ax.plot_trisurf(X, Y, Z, cmap=plt.get_cmap('jet'), linewidth=0.1) # 三角表面圖
plt.show() # 渲染3D圖顯示
# 主函數
if __name__=="__main__":
# 導入資料表檔案名
T2_name = "T2.csv"
xy_name = "x_y.csv"
# 讀取資料表
t2 = loaddata(T2_name)
xy = loaddata(xy_name)
# 制作T2三維圖
T2_plot(df_value=t2, df_xy=xy)