### 如何使用 Python 绘制 3D 立体模型图 #### 使用 Matplotlib 的方法 Matplotlib 是一个广泛使用的可视化工具，可以用来创建简单的 3D 图形。以下是通过 `matplotlib` 和其扩展包 `mpl_toolkits.mplot3d` 来绘制 3D 立方体的一个示例： ```python import matplotlib.pyplot as plt from mpl_toolkits.mplot3d.art3d import Poly3DCollection import numpy as np # 定义立方体的顶点坐标 r = [-1, 1] vertices = np.array([[i, j, k] for i in r for j in r for k in r]) # 定义立方体的面 faces = [[0, 1, 3, 2], [4, 5, 7, 6], [8, 9, 11, 10], [12, 13, 15, 14], [16, 17, 19, 18], [20, 21, 23, 22]] # 创建新的图形并添加 3D 子图 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 将顶点和面对应起来形成多边形集合 polygons = Poly3DCollection(vertices[faces]) polygons.set_edgecolor('k') ax.add_collection3d(polygons) # 设置轴范围 ax.set_xlim([-2, 2]) ax.set_ylim([-2, 2]) ax.set_zlim([-2, 2]) plt.show() ``` 上述代码展示了如何定义立方体的顶点及其对应的面，并利用 `Poly3DCollection` 渲染这些几何结构[^1]。 --- #### 使用 Mayavi 的方法 Mayavi 提供了一个更强大的框架来处理复杂的 3D 数据集以及高级渲染效果。下面是一个基于 Mayavi 的简单例子，用于展示三维数据中的表面轮廓线： ```python from mayavi import mlab import numpy as np # 构造一些测试数据 (例如标量场) x, y, z = np.ogrid[-2:2:20j, -2:2:20j, -2:2:20j] scalars = x * np.exp(-x ** 2 - y ** 2 - z ** 2) # 调用 contour3d 函数生成等高线曲面 mlab.contour3d(scalars, contours=6, transparent=True) mlab.show() ``` 此脚本会生成六个透明度不同的等值面，适用于表示复杂的空间分布特性[^3]。 对于更加精细或者动态交互的需求来说，Mayavi 显然是优于 Matplotlib 的选择之一[^5]。 --- #### 总结对比两者优缺点 | 特性 | Matplotlib | Mayavi | |-----------------|------------------------------------|----------------------------------| | 上手难度 | 较低 | 中等到较高 | | 功能全面程度 | 基础功能满足日常需求 | 高级功能强大 | | 文档质量 | 成熟稳定，社区活跃 | 可能存在部分陈旧现象 | | 执行效率 | 对于大规模数据可能稍显吃力 | 更适合大型科学计算项目 | 尽管如此，在某些特定场景下比如快速原型开发或是轻量化应用场合里，Matplotlib 还是可以胜任大部分任务[^2][^4]。