注釈
完全なサンプルコードをダウンロードしたり、Binderを使ってブラウザでこのサンプルを実行するには、 最後に進んでください 。
点群を作成#
頂点のポイントクラウドとそれらのポイントのスカラー配列から pyvista.PolyData オブジェクトを作成します．
import numpy as np
import pyvista as pv
from pyvista import examples
点群は一般的に pyvista.PolyData を使用して構築され， 個々の点に関連付けられたスカラーまたはベクトルデータ配列を簡単に持つことができます．この例では， まず examples モジュールから入手可能な点群を使って逆算してみます．ただし，これは独自の頂点位置のNumPy配列を使用してPyVistaメッシュを作成するのと同じです．
# Define some helpers - ignore these and use your own data if you like!
def generate_points(subset=0.02):
"""A helper to make a 3D NumPy array of points (n_points by 3)."""
dataset = examples.download_lidar()
ids = np.random.randint(low=0, high=dataset.n_points - 1, size=int(dataset.n_points * subset))
return dataset.points[ids]
points = generate_points()
# Output the first 5 rows to prove it's a numpy array (n_points by 3)
# Columns are (X, Y, Z)
points[0:5, :]
pyvista_ndarray([[4.80979675e+05, 4.40008930e+06, 1.77490002e+03],
[4.81056075e+05, 4.40012640e+06, 1.76222998e+03],
[4.81078175e+05, 4.40009960e+06, 1.76746997e+03],
[4.81063775e+05, 4.40017070e+06, 1.75968005e+03],
[4.81103875e+05, 4.40022590e+06, 1.76943994e+03]])
サンプルデータまたは自分のプロジェクトからの点/頂点のNumPy配列ができたので，それらの点からPyVistaメッシュを作成します．
ここで，ポイントが正しくロードされたことを示すために、サニティチェックを実行します．
True
これでPyVistaメッシュができたので，プロットすることができます．ここでは，eye domeライティングを使用するオプションを追加します．これは，ポイントクラウド( EDL についてもっと学ぶ)を使用して深さの認識を向上させるシェーディング技法です．
point_cloud.plot(eye_dome_lighting=True)
ここで，メッシュのすべてのノードに関連付けるデータアトリビュート(スカラーまたはベクトル配列)があるとします．最初の軸に沿ったメッシュ内のノードの数と同じ長さのNumPyデータ配列を簡単に追加できます．例えば，この新しい point_cloud メッシュにいくつかの配列を追加しましょう．
points配列と同じ長さのスカラ値の配列を作成します．この配列の各要素は，同じインデックスのポイントに対応します．
注釈
points 配列のコンポーネントを使用するか，メッシュの n_points プロパティを使用すると，その長さの配列を作成することができます．
そのデータを "elevation" という名前でメッシュに追加します．
point_cloud["elevation"] = data
今回は， render_points_as_spheres を使って，すべての点を球体としてレンダリングしてみましょう．
point_cloud.plot(render_points_as_spheres=True)
そのデータは退屈ですよね?複数のスカラ値を持つデータ配列，例えば3つの要素を持つベクトルを追加することもできます．ポイントクラウド内のすべてのノードのベクトルを計算し，それらのベクトルをメッシュに追加する簡単な関数を作成します．
今回は numpy.random.random() を使って，100点からなる全く新しいランダムな点群を作成する．
# Create a random point cloud with Cartesian coordinates
points = np.random.rand(100, 3)
# Construct PolyData from those points
point_cloud = pv.PolyData(points)
def compute_vectors(mesh):
"""Create normalized vectors pointing outward from the center of the cloud."""
origin = mesh.center
vectors = mesh.points - origin
return vectors / np.linalg.norm(vectors, axis=1)[:, None]
vectors = compute_vectors(point_cloud)
vectors[0:5, :]
pyvista_ndarray([[ 0.06720784, -0.61901824, 0.78249571],
[-0.02129665, -0.37259245, -0.92775068],
[-0.89341534, -0.37677867, 0.24463619],
[ 0.44136254, -0.4729653 , -0.76256339],
[-0.00364327, -0.79444966, -0.60731908]])
ベクトル配列を点データとして新しいメッシュに追加します:
point_cloud["vectors"] = vectors
さて，これらのベクトルを使って，グリフフィルタで矢印を作ることができます(詳しくは グリフの例 を参照してください)．
arrows = point_cloud.glyph(
orient="vectors",
scale=False,
factor=0.15,
)
# Display the arrows
plotter = pv.Plotter()
plotter.add_mesh(point_cloud, color="maroon", point_size=10.0, render_points_as_spheres=True)
plotter.add_mesh(arrows, color="lightblue")
# plotter.add_point_labels([point_cloud.center,], ['Center',],
# point_color='yellow', point_size=20)
plotter.show_grid()
plotter.show()
Total running time of the script: (0 minutes 6.730 seconds)
