尧图网站建设 
import numpy as npimport pygimli as pgfrom scipy.interpolate import griddataimport matplotlib.pyplot as plt# 1. 生成 NumPy meshgridx np.linspace(0, 10, 11) # X方向坐标序列y np.linspace(0, 5, 6) # Y方向坐标序列X, Y np.meshgrid(x, y) # 生成网格坐标矩阵:cite[2]# 2. 提取唯一坐标序列从meshgrid矩阵中获取x_coords np.unique(X)y_coords np.unique(Y)# 3. 创建 pyGIMLi 规则网格# 使用 pg.createGrid 并传入提取出的坐标序列gimli_grid pg.createGrid(x_coords, y_coords)# 可视化检查一下生成的网格pg.show(gimli_grid)print(PyGIMLi 网格信息)print(f节点数: {gimli_grid.nodeCount()})print(f单元数: {gimli_grid.cellCount()})# 假设我们有一个基于原始 meshgrid 计算得到的函数值Z_numpy np.sin(X) * np.cos(Y)# 获取所有单元中心的坐标cell_centers 形状应为 (N, 2)cell_centers gimli_grid.cellCenters()# 将单元中心坐标拆分成 x 和 y 分量x_centers cell_centers[:, 0] # 所有x坐标y_centers cell_centers[:, 1] # 所有y坐标points np.column_stack((X.ravel(), Y.ravel()))values Z_numpy.ravel()# 现在将 (x_centers, y_centers) 作为元组传递给 griddata# 这样 xi 就被正确识别为一系列二维点的坐标gimli_cell_data griddata(points, values, (x_centers, y_centers), methodnearest)# 将插值后的数据分配给 pyGIMLi 网格gimli_grid[MyData] gimli_cell_data# 检查分配的数据print(f分配给网格的标量场数据: {gimli_grid[MyData]})pg.show(gimli_grid,gimli_grid[MyData])#将四边形节点转换成pygimli三角网格import numpy as npimport pygimli as pgimport matplotlib.pyplot as plt# 假设你已经有四边形网格的节点坐标# 这里创建一个示例的四边形网格节点x np.linspace(0, 10, 6) # x方向节点y np.linspace(0, 5, 4) # y方向节点X, Y np.meshgrid(x, y) # 创建网格# 将节点展平并组合成坐标对points np.column_stack((X.ravel(), Y.ravel()))# 方法1: 使用PyGIMLi的createMesh函数直接创建三角网格# 这会自动对节点进行Delaunay三角剖分tri_mesh pg.Mesh(2) # 创建二维网格# 添加所有节点到网格中for pt in points:tri_mesh.createNode(pt[0], pt[1], 0.0)# PyGIMLi会自动进行Delaunay三角剖分当你调用createMeshWithPoints时# 或者使用更直接的方法tri_mesh pg.meshtools.createMesh(points, quality34, area0.1)print(f三角网格节点数: {tri_mesh.nodeCount()})print(f三角网格单元数: {tri_mesh.cellCount()})# 可视化三角网格pg.show(tri_mesh)plt.title(Delaunay三角网格)plt.show()from scipy.spatial import Delaunay# 使用SciPy进行Delaunay三角剖分tri Delaunay(points)# 创建PyGIMLi网格对象tri_mesh pg.Mesh(2) # 二维网格# 添加节点node_ids []for pt in points:node_ids.append(tri_mesh.createNode(pt[0], pt[1], 0.0))# 添加三角形单元for simplex in tri.simplices:# 获取三角形的三个节点nodes [node_ids[i] for i in simplex]# 创建三角形单元tri_mesh.createTriangle(nodes[0], nodes[1], nodes[2])print(f转换后的三角网格信息:)print(f节点数: {tri_mesh.nodeCount()})print(f三角形单元数: {tri_mesh.cellCount()})# 可视化pg.show(tri_mesh)plt.title(从SciPy Delaunay转换的三角网格)plt.show()# 创建边界多边形假设你的四边形网格有特定边界polygon pg.meshtools.createPolygon([[0, 0], # 左下角[10, 0], # 右下角[10, 5], # 右上角[0, 5] # 左上角], isClosedTrue)# 使用带约束的三角剖分constrained_mesh pg.meshtools.createMesh(points, boundarypolygon)print(f带约束的三角网格:)print(f节点数: {constrained_mesh.nodeCount()})print(f单元数: {constrained_mesh.cellCount()})pg.show(constrained_mesh)plt.title(带边界约束的三角网格)plt.show()/home/weiyiwen/miniconda3/envs/devito/bin/python -m pip install scikit-fmm numpy meshgrid 转换成pygimli规则网格
import numpy as npimport pygimli as pgfrom scipy.interpolate import griddataimport matplotlib.pyplot as plt# 1. 生成 NumPy meshgridx np.linspace(0, 10, 11) # X方向坐标序列y np.linspace(0, 5, 6) # Y方向坐标序列X, Y np.meshgrid(x, y) # 生成网格坐标矩阵:cite[2]# 2. 提取唯一坐标序列从meshgrid矩阵中获取x_coords np.unique(X)y_coords np.unique(Y)# 3. 创建 pyGIMLi 规则网格# 使用 pg.createGrid 并传入提取出的坐标序列gimli_grid pg.createGrid(x_coords, y_coords)# 可视化检查一下生成的网格pg.show(gimli_grid)print(PyGIMLi 网格信息)print(f节点数: {gimli_grid.nodeCount()})print(f单元数: {gimli_grid.cellCount()})# 假设我们有一个基于原始 meshgrid 计算得到的函数值Z_numpy np.sin(X) * np.cos(Y)# 获取所有单元中心的坐标cell_centers 形状应为 (N, 2)cell_centers gimli_grid.cellCenters()# 将单元中心坐标拆分成 x 和 y 分量x_centers cell_centers[:, 0] # 所有x坐标y_centers cell_centers[:, 1] # 所有y坐标points np.column_stack((X.ravel(), Y.ravel()))values Z_numpy.ravel()# 现在将 (x_centers, y_centers) 作为元组传递给 griddata# 这样 xi 就被正确识别为一系列二维点的坐标gimli_cell_data griddata(points, values, (x_centers, y_centers), methodnearest)# 将插值后的数据分配给 pyGIMLi 网格gimli_grid[MyData] gimli_cell_data# 检查分配的数据print(f分配给网格的标量场数据: {gimli_grid[MyData]})pg.show(gimli_grid,gimli_grid[MyData])#将四边形节点转换成pygimli三角网格import numpy as npimport pygimli as pgimport matplotlib.pyplot as plt# 假设你已经有四边形网格的节点坐标# 这里创建一个示例的四边形网格节点x np.linspace(0, 10, 6) # x方向节点y np.linspace(0, 5, 4) # y方向节点X, Y np.meshgrid(x, y) # 创建网格# 将节点展平并组合成坐标对points np.column_stack((X.ravel(), Y.ravel()))# 方法1: 使用PyGIMLi的createMesh函数直接创建三角网格# 这会自动对节点进行Delaunay三角剖分tri_mesh pg.Mesh(2) # 创建二维网格# 添加所有节点到网格中for pt in points:tri_mesh.createNode(pt[0], pt[1], 0.0)# PyGIMLi会自动进行Delaunay三角剖分当你调用createMeshWithPoints时# 或者使用更直接的方法tri_mesh pg.meshtools.createMesh(points, quality34, area0.1)print(f三角网格节点数: {tri_mesh.nodeCount()})print(f三角网格单元数: {tri_mesh.cellCount()})# 可视化三角网格pg.show(tri_mesh)plt.title(Delaunay三角网格)plt.show()from scipy.spatial import Delaunay# 使用SciPy进行Delaunay三角剖分tri Delaunay(points)# 创建PyGIMLi网格对象tri_mesh pg.Mesh(2) # 二维网格# 添加节点node_ids []for pt in points:node_ids.append(tri_mesh.createNode(pt[0], pt[1], 0.0))# 添加三角形单元for simplex in tri.simplices:# 获取三角形的三个节点nodes [node_ids[i] for i in simplex]# 创建三角形单元tri_mesh.createTriangle(nodes[0], nodes[1], nodes[2])print(f转换后的三角网格信息:)print(f节点数: {tri_mesh.nodeCount()})print(f三角形单元数: {tri_mesh.cellCount()})# 可视化pg.show(tri_mesh)plt.title(从SciPy Delaunay转换的三角网格)plt.show()# 创建边界多边形假设你的四边形网格有特定边界polygon pg.meshtools.createPolygon([[0, 0], # 左下角[10, 0], # 右下角[10, 5], # 右上角[0, 5] # 左上角], isClosedTrue)# 使用带约束的三角剖分constrained_mesh pg.meshtools.createMesh(points, boundarypolygon)print(f带约束的三角网格:)print(f节点数: {constrained_mesh.nodeCount()})print(f单元数: {constrained_mesh.cellCount()})pg.show(constrained_mesh)plt.title(带边界约束的三角网格)plt.show()/home/weiyiwen/miniconda3/envs/devito/bin/python -m pip install scikit-fmm