Visualize-ML

🎨 章节概览

三维曲面进阶技术是Ch14的延续和深化，系统讲解网格曲面、高维数据映射、Dirichlet分布可视化、填充平面、剖面线、曲线下填充、物理振荡模拟等7种高级技法。本章重点在于将复杂的数学概念和物理现象通过三维曲面直观展示，特别是第四维数据映射到三维空间、剖面线分析、以及圆形薄膜振荡等高级应用。

🕸️

网格曲面

plot_surface技法

🌈

高维映射

第四维到颜色

✂️

剖面分析

切片可视化

〰️

振荡模拟

物理现象

15.1

绘制网格曲面

plot_surface 绘制精细的网格曲面

Python代码：BK_2_Ch15_1.ipynb

🕸️ 网格密度对比器

调整网格密度观察曲面精细程度 · 理解meshgrid的作用

网格点数: 21 × 21 = 441 个点

📊 显示模式

网格密度21

粗糙精细

仰角30°

方位角-135°

📐 网格原理

• meshgrid生成XY坐标网格

• 密度越高，曲面越平滑

• 但计算量也随之增加

• 需要权衡精度和性能

💡 观察要点

• 11×11：网格粗糙，看到棱角
• 21×21：中等精度，常用配置
• 51×51：较精细，曲面平滑
• 101×101：极精细，计算量大

📚 Python实现参考

# 网格生成
num = 21  # 网格密度
x_array = np.linspace(-3, 3, num)
y_array = np.linspace(-3, 3, num)
xx, yy = np.meshgrid(x_array, y_array)

# MATLAB peaks函数
f_xy = 3*(1-x)**2*exp(-(x**2) - (y+1)**2) \
    - 10*(x/5 - x**3 - y**5)*exp(-x**2-y**2) \
    - 1/3*exp(-(x+1)**2 - y**2)

# 计算Z值
zz = f_xy(xx, yy)

# 绘制网格曲面
fig, ax = plt.subplots(subplot_kw={'projection': '3d'})
ax.plot_wireframe(xx, yy, zz, color=[0.5, 0.5, 0.5], linewidth=0.25)
ax.set_proj_type('ortho')
ax.view_init(azim=-135, elev=30)
plt.show()

# 💡 网格密度影响：
# - 太稀疏：曲面不平滑，有明显棱角
# - 适中：平滑且计算快速（通常用21-51）
# - 太密集：计算慢，内存占用大

15.2

将第四维数据映射到三维网格曲面

用颜色编码第四维度信息

Python代码：BK_2_Ch15_2.ipynb

🕸️ 曲面映射实验室（Surface Mapping Lab）

探索网格曲面和高维数据映射

🔍 曲面洞察

🔔 高斯曲面：钟形对称

中心最高，径向对称衰减

🧪 探索建议

• 切换曲面类型，观察不同形态
• 改变映射模式，理解第四维编码
• 调整视角，从多角度观察
• 开启横截面，分析剖面特征

🌊 曲面类型

🌈 颜色映射

仰角30°

方位角45°

网格密度15

📚 高维映射理论

🌈

第四维映射

三维空间已被(x,y,z)占据，第四维数据通过颜色编码展示。实现4D数据的3D可视化。

✂️

剖面分析

横截面切片揭示曲面内部结构，橙色线标示切面轮廓。

🎨

Dirichlet分布

单纯形上的分布，α参数控制集中度。 α>1聚集，α<1稀疏。

🎯 学习目标：理解高维数据如何通过颜色映射到三维空间。掌握剖面分析技术，从不同角度观察复杂结构。

Python实现

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D


# 生成网格
x = np.linspace(-2, 2, 15)
y = np.linspace(-2, 2, 15)
X, Y = np.meshgrid(x, y)

# 计算Z值
Z = np.exp(-(X**2 + Y**2) / 2)
Fourth = X**2 + Y**2  # 第四维数据

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

# 高度映射到颜色
surf = ax.plot_surface(X, Y, Z, cmap='viridis')

# 设置视角
ax.view_init(elev=30, azim=45)
plt.show()

15.3

可视化 Dirichlet 分布

在单纯形上展示Dirichlet概率密度

Python代码：Bk_2_Ch15_3.ipynb

🔺 Dirichlet分布可视化器

在单纯形上展示Dirichlet概率密度 · 调整α参数观察分布变化

约束条件: θ₁ + θ₂ + θ₃ = 1, θᵢ ≥ 0

🎛️ Alpha参数

α₁2

α₂2

α₃2

🎯 预设配置

仰角30°

方位角30°

📐 Dirichlet公式

f(θ₁,θ₂,θ₃) =

[Γ(Σαᵢ) / ∏Γ(αᵢ)]

× ∏θᵢ^(αᵢ-1)

约束: Σθᵢ = 1, θᵢ ≥ 0

💡 参数影响

• α = (1,1,1)：均匀分布
• α > 1：集中在中心
• α < 1：集中在边角
• 某个α大：偏向对应θ

📚 Python实现参考

from scipy.stats import dirichlet
import numpy as np
import matplotlib.pyplot as plt

# Alpha参数
alpha_array = [2, 2, 2]

# 生成单纯形网格
theta_1_array = np.linspace(0, 1, 401)
theta_2_array = np.linspace(0, 1, 401)
tt1, tt2 = np.meshgrid(theta_1_array, theta_2_array)
tt3 = 1 - tt1 - tt2  # 约束条件

# 计算PDF
PDF_array = []
for t_1_idx, t_2_idx in zip(tt1.ravel(), tt2.ravel()):
    t_3_idx = 1 - t_1_idx - t_2_idx
    if t_3_idx < 0.005:
        PDF_idx = np.nan
    else:
        PDF_idx = dirichlet.pdf([t_1_idx, t_2_idx, t_3_idx], alpha_array)
    PDF_array.append(PDF_idx)

PDF_FF = np.reshape(PDF_array, tt1.shape)

# 绘制三维单纯形
fig, ax = plt.subplots(subplot_kw={'projection': '3d'})
norm_plt = plt.Normalize(np.nanmin(PDF_FF), np.nanmax(PDF_FF))
colors = cm.RdYlBu_r(norm_plt(PDF_FF))

surf = ax.plot_surface(tt1, tt2, tt3,
                       facecolors=colors,
                       cstride=10, rstride=10)

# 显示概率密度颜色

ax.view_init(azim=30, elev=30)
ax.set_proj_type('ortho')
plt.show()

# 💡 应用：
# - LDA主题模型中的先验分布
# - 贝叶斯统计中的共轭先验
# - 多分类问题的概率建模

15.4

绘制填充平面

用平面分割三维空间

Python代码：BK_2_Ch15_4.ipynb

15.5

可视化剖面线

展示曲面的横截面和纵切面

Python代码：BK_2_Ch15_5.ipynb

✂️ 剖面线可视化器

沿不同方向切割曲面 · 观察横截面和纵切面特征

剖切方向: 平行于XY平面 (固定Z)

📐 剖切方向

Z位置0.0

调整剖切面的位置

仰角30°

方位角-120°

📊 剖面类型

横截面：平行于XY平面

固定Z值，观察XY平面上的等高线

纵切面：平行于XZ或YZ

固定X或Y值，观察曲面剖面

💡 学习要点

• 剖面揭示曲面内部结构
• 等高线：同高度点的连线
• 切面曲线：局部形态分析
• 辅助理解复杂三维形状

📚 Python实现参考

# 生成曲面数据
xx, yy = np.meshgrid(np.linspace(-3, 3, 121), np.linspace(-3, 3, 121))
ff = peaks_function(xx, yy)

fig, ax = plt.subplots(subplot_kw={'projection': '3d'})

# 绘制网格曲面
ax.plot_wireframe(xx, yy, ff, color=[0.6, 0.6, 0.6], 
                 rstride=5, cstride=5, linewidth=0.25)

# 平行于XY平面的剖面（横截面）
z_level = 0
xx_, yy_ = np.meshgrid(np.linspace(-3, 3, 2), np.linspace(-3, 3, 2))
zz_ = np.zeros_like(xx_) + z_level

# 绘制剖切平面
ax.plot_surface(xx_, yy_, zz_, color='b', alpha=0.1)

# 绘制等高线
ax.contour(xx, yy, ff, levels=[z_level], colors='r', linewidths=1)

ax.view_init(azim=-120, elev=30)
ax.set_proj_type('ortho')
plt.show()

# 💡 应用场景：
# - 分析复杂曲面的局部特征
# - CT/MRI医学成像的切片分析
# - 地质勘探的剖面图
# - 工程设计的截面分析

15.6

填充曲线下方剖面

剖面区域的填充可视化

Python代码：BK_2_Ch15_6.ipynb

15.7

圆形薄膜振荡模式

模拟薄膜振动的物理现象

Python代码：BK_2_Ch15_7.ipynb

〰️ 薄膜振荡动画器（Membrane Oscillation Animator）

观察圆形薄膜的振荡模式演化

0/100

速度1x

👀 观察要点

• 薄膜上下振荡（颜色深浅变化）
• 节点线：振幅为零的位置
• (m,n)模态决定振荡模式
• 周期性往复运动

🎵 振动模态

角向模数 m0

径向模数 n1

振幅1.0

📊 当前模态

基础模态

最低频率振动

m: 角向节点线数量
n: 径向节点圆数量

⚛️ 物理原理

• 波动方程：∂²u/∂t² = c²∇²u

• 贝塞尔函数：径向解

• 驻波：周期性振荡

• 节点：振幅为零的点

🎓 薄膜振荡理论

〰️

波动方程

二维波动方程描述薄膜振动。解包含贝塞尔函数和三角函数。

🎵

振动模态

(m,n)表示不同的振动模式。每个模态有特定的频率。

🎯

节点

节点线/圆是振幅恒为零的位置。 m条径向线，n-1个同心圆。

🎯 学习目标：通过动画观察薄膜振荡的物理过程。理解不同模态的振动形态，感受波动方程解的几何意义。

Python实现

import numpy as np
import matplotlib.pyplot as plt
from scipy.special import jv  # 贝塞尔函数
from mpl_toolkits.mplot3d import Axes3D

# 参数
m, n = 0, 1  # 模态数
amplitude = 1
frames = 100

# 生成网格
theta = np.linspace(0, 2*np.pi, 25)
r = np.linspace(0, 1, 25)
R, Theta = np.meshgrid(r, theta)

# 贝塞尔函数的第n个零点（简化）
k = 2.4 + n

# 时间循环
for t_step in range(frames):
    t = (t_step / frames) * 2 * np.pi
    
    # 薄膜振荡方程解
    Z = amplitude * jv(m, k*R) * np.cos(m*Theta) * np.cos(k*t)
    
    # 转换为笛卡尔坐标
    X = R * np.cos(Theta)
    Y = R * np.sin(Theta)
    
    # 绘制
    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')
    ax.plot_surface(X, Y, Z, cmap='viridis')
    plt.pause(0.05)
    plt.clf()

plt.show()

📚 章节总结

网格与映射

✓ plot_surface：精细网格曲面
✓ 颜色映射：第四维数据编码
✓ cmap：colormap选择
✓ Dirichlet：单纯形分布

填充与剖面

✓ 填充平面：空间分割
✓ 剖面线：横截面、纵切面
✓ 区域填充：曲线下方区域
✓ 多层叠加：复杂结构

物理模拟

✓ 薄膜振荡：波动方程
✓ 模态分析：振动模式
✓ 时间演化：动态过程
✓ 贝塞尔函数：解析解

💡 核心洞察：三维曲面进阶技术突破了基础曲面的限制，实现了高维数据的降维展示。第四维数据通过颜色映射到三维曲面，让我们能够同时观察四个维度的信息。剖面线技术将复杂的三维结构切片展示，帮助理解内部结构。物理模拟（如薄膜振荡）展示了数学可视化在科学研究中的强大应用。

🎓核心概念解析

网格曲面

• 使用meshgrid生成X, Y网格

• Z = f(X, Y)计算高度

• plot_surface绘制连续曲面

• 网格密度影响平滑度

第四维映射

• 空间位置：(x, y, z)

• 第四维：用颜色编码

• facecolors参数控制

• 实现4D数据可视化

Dirichlet分布

• 定义在单纯形上

• 约束：Σxᵢ = 1, xᵢ ≥ 0

• 三元Dirichlet：三角形

• LDA主题模型基础

填充平面

• plot_surface绘制平面

• 可以是水平或倾斜平面

• 用于空间分割和参考

• alpha控制透明度

剖面线

• 横截面：固定x或y

• 纵切面：固定z

• 展示曲面的局部特征

• 帮助理解复杂结构

薄膜振荡

• 波动方程的可视化

• 贝塞尔函数解

• 振动模态：(m, n)模式

• 时间演化动画

💻关键函数速查表

曲面绘制

ax.plot_surface(X, Y, Z)

facecolors=colors

cmap='viridis'

填充与剖面

ax.plot_surface(平面)

ax.plot(x, y, z) # 剖面线

alpha=0.5 # 透明度

特殊函数

scipy.special.jv # 贝塞尔

scipy.stats.dirichlet

📐 核心数学公式

Dirichlet分布

f(x₁,...,xₖ) = Γ(Σαᵢ) / ∏Γ(αᵢ) × ∏xᵢ^(αᵢ-1)
约束: Σxᵢ = 1, xᵢ ≥ 0

波动方程

∂²u/∂t² = c²∇²u
圆膜解: u(r,θ,t) = J_m(k·r)cos(mθ)cos(ωt)

贝塞尔函数

J_m(x) = Σ(-1)^k/(k!Γ(m+k+1)) (x/2)^(m+2k)

单纯形

Δₖ = {x ∈ ℝᵏ⁺¹: Σxᵢ=1, xᵢ≥0}

📂Python代码文件

本章内容对应以下Jupyter Notebook代码文件：

BK_2_Ch15_01.ipynb小节 15.1

BK_2_Ch15_02.ipynb小节 15.2

BK_2_Ch15_03.ipynb小节 15.3

BK_2_Ch15_04.ipynb小节 15.4

BK_2_Ch15_05.ipynb小节 15.5

BK_2_Ch15_06.ipynb小节 15.6

BK_2_Ch15_07.ipynb小节 15.7

📁 代码位置：books/Book2_Beauty-of-Data-Visualization/Book2_Ch15_Python_Codes/

🎨 章节概览

绘制网格曲面

🕸️ 网格密度对比器

📊 显示模式

📐 网格原理

💡 观察要点

将第四维数据映射到三维网格曲面

🕸️ 曲面映射实验室（Surface Mapping Lab）

🔍 曲面洞察

🧪 探索建议

🌊 曲面类型

🌈 颜色映射

📚 高维映射理论

可视化 Dirichlet 分布

🔺 Dirichlet分布可视化器

🎛️ Alpha参数

🎯 预设配置

📐 Dirichlet公式

💡 参数影响

绘制填充平面

可视化剖面线

✂️ 剖面线可视化器

📐 剖切方向

📊 剖面类型

💡 学习要点

填充曲线下方剖面

圆形薄膜振荡模式

〰️ 薄膜振荡动画器（Membrane Oscillation Animator）

👀 观察要点

🎵 振动模态

📊 当前模态

⚛️ 物理原理

🎓 薄膜振荡理论

📚 章节总结

网格与映射

填充与剖面

物理模拟

🎓核心概念解析

网格曲面

第四维映射

Dirichlet分布

填充平面

剖面线

薄膜振荡

💻关键函数速查表

曲面绘制

填充与剖面

特殊函数

📐 核心数学公式

📂Python代码文件

📖 延伸阅读

数学基础

实际应用