На этом шаге мы продолжим знакомство с фильтрами.

DataSetClipper

Фильтр закрепляет набор данных в определённой области:

import numpy as np
from mayavi import mlab

x, y, z = np.ogrid[-7:7:0.5, -7:7:0.5, -1:7:0.5]
scalars = x * x + y * y - z * z

src = mlab.pipeline.scalar_field(scalars)
dsc = mlab.pipeline.data_set_clipper(src)
mlab.pipeline.glyph(dsc)

mlab.show()

Архив с файлом можно взять здесь.

Рис.1. Демонстрация работы фильтра DataSetClipper

ExtractEdges

Извлекает границы ячеек из набора данных:

import numpy as np
from mayavi import mlab

x, y, z = np.ogrid[-7:7:0.5, -7:7:0.5, -1:7:0.5]
scalars = x * x + y * y - z * z

src = mlab.pipeline.scalar_field(scalars)
edges = mlab.pipeline.extract_edges(src)
mlab.pipeline.surface(edges)

mlab.show()

Архив с файлом можно взять здесь.

Рис.2. Демонстрация работы фильтра ExtractEdges

ExtractGrid

Позволяет извлечь часть данных из исходного набора:

import numpy as np
from mayavi import mlab

x, y, z = np.ogrid[-7:7:0.5, -7:7:0.5, -1:7:0.5]
scalars = x * x + y * y - z * z

src = mlab.pipeline.scalar_field(scalars)
grid = mlab.pipeline.extract_grid(src)
grid.x_min = 5
grid.x_max = 20
grid.y_min = 5
grid.y_max = 20
mlab.pipeline.surface(grid)

mlab.show()

Архив с файлом можно взять здесь.

Рис.2. Демонстрация работы фильтра ExtractGrid

На следующем шаге мы продолжим изучение этого вопроса.

Предыдущий шаг Содержание Следующий шаг