python - 内存不足 : np. meshgrid

Question

我正在努力解决与 Matplotlib 和 Numpy 相关的问题。

我正在尝试创建 山体阴影 在我的表面图上。

我的输入数据是 XYZ点的不规则间距源自激光雷达。

我可以生成 trisurf3D 图或 3Dscatter 没问题。保存它，更改摄像机角度，根据 Z 为其着色并为其设置动画，但在我的生活中，我根本无法在其中添加任何阴影。

我被困在 Matplotlib 需要 X、Y 和 Z 的二维数组 .我的输入数据真的很小:376704 个点，每个点都有一个 XYZ 值。我已将点转换为从 0 开始的欧几里得坐标系:

from laspy.file import File as LAS
import numpy as np

def lasToNumpy(lasFile):
    f = LAS(lasFile,mode='r')
    ## Establish min values
    xmin = min(f.x)
    ymin = min(f.y)
    zmin = min(f.z)
    ## Arrays now in meters from 0 to max
    x = np.array(f.x-xmin)     
    y = np.array(f.y-ymin)
    z = np.array(f.z-zmin)
    ## Assign a max of each x and y
    xmax = max(x)
    ymax = max(y)

问题是我的下一步是创建一个网格(这似乎是生成二维数组所必需的)。
这会消耗大约 50GB 的 RAM:

X, Y = np.meshgrid(x,y)

理所当然。

我想要做的就是在我的表面上添加山体阴影，但整个 2D 阵列似乎在逻辑上没有必要!我在这里有哪些选择？这不会发生吗？作为引用，我的 trisurf3D 工作正常:

fig = plt.figure(figsize=(60.0,60.0))
ax = fig.add_subplot(111, projection='3d')
ax.plot_trisurf(x,y,z, cmap='plasma', edgecolor='black', alpha=0.5) 

真的很想在那里扔一些山阴影。

Answer 1

这个问题现在可能已经过时了，但对于其他用户来说，这里的问题是您正在尝试使用 np.meshgrid 在每个方向上制作 376704 个点的网格。 . np.meshgrid的目的是获取 x 和 y 范围并创建一个网格。例如:

x=np.arange(0,100) #1D array
y=np.linspace(-50,50,1111) # 1D array

xgrid,ygrid=np.meshgrid(x,y) #Outputs 2D arrays

仅使用 np.meshgrid如果您想对数据进行网格化。您可以使用 3D 插值器(例如 RegularGridInterpolator )将数据网格化以降低分辨率。并且是解决您的问题并创建您的山丘的一种方法。
我认为更快更好的选择是使用 tricontourf .该函数接受您必须创建所需的山体阴影图形的一维数组。如果你不能让它工作，用一些数据更新你的问题。