如何在Matplotlib中高效绘制大量粒子并匹配数据坐标半径？

问题背景 #

需要在Matplotlib中实现约10000个粒子的碰撞模拟，覆盖1D、2D、3D场景。2D场景可通过CircleCollection高效绘制数据坐标指定半径的粒子，但3D场景下scatter的s参数单位为points²，无法直接对应数据坐标半径，导致粒子视觉大小与碰撞半径不一致。

解决方案一：数据坐标到points²的单位转换 #

通过计算数据坐标与屏幕点的比例关系，将数据半径转换为scatter所需的s参数值，适合大量粒子的高效绘制。

核心逻辑

1. 获取3D轴的显示范围和像素尺寸，计算每个数据单位对应的屏幕点数量（1英寸=72点）；
2. 取x/y/z方向比例的最小值，避免因轴拉伸导致粒子变形；
3. 将数据半径转换为屏幕点半径，再计算对应面积（scatter的s为标记面积，单位points²）。

代码示例

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng()

points = rng.random((5, 3))
data_radius = 0.3  # 数据坐标下的粒子半径

fig, ax = plt.subplots(subplot_kw={"projection": "3d"}, dpi=100)
# 固定轴范围（碰撞模拟中通常不会动态改变）
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.set_zlim(0, 1)

# 获取轴的显示尺寸（英寸）
bbox = ax.get_window_extent().transformed(fig.dpi_scale_trans.inverted())
ax_width, ax_height = bbox.width, bbox.height

# 计算各轴数据范围与屏幕点的比例
x_range = ax.get_xlim()[1] - ax.get_xlim()[0]
y_range = ax.get_ylim()[1] - ax.get_ylim()[0]
x_points_per_unit = (ax_width * 72) / x_range
y_points_per_unit = (ax_height * 72) / y_range

# 取最小比例保证粒子在各方向尺寸一致
points_per_unit = min(x_points_per_unit, y_points_per_unit)

# 转换为scatter的s参数（面积：πr²，r为数据半径对应的点半径）
s = np.pi * (data_radius * points_per_unit) ** 2

ax.scatter(
    points[:, 0],
    points[:, 1],
    points[:, 2],
    s=s,
    alpha=0.6
)

fig.tight_layout()
plt.show()

注意事项

• 需在设置完轴范围后计算比例，否则结果会不准确；
• 若支持窗口动态缩放，需绑定resize事件重新计算s参数。

解决方案二：使用3D球体对象（适合少量粒子） #

通过mpl_toolkits.mplot3d.art3d.Sphere创建真实的3D球体，直接使用数据坐标半径，但渲染性能较差，仅适合粒子数量较少的场景（如几千以内）。

代码示例

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d.art3d import Sphere
import numpy as np

rng = np.random.default_rng()

points = rng.random((5, 3))
data_radius = 0.3

fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.set_zlim(0, 1)

# 为每个粒子创建球体并添加到轴中
for p in points:
    sphere = Sphere(p, data_radius)
    ax.add_artist(sphere)

fig.tight_layout()
plt.show()

补充说明 #

如果Matplotlib的性能无法满足10000个3D粒子的渲染需求，可考虑使用专门的3D可视化库（如Vedo），这类库支持大量几何体的高效绘制，且原生支持数据坐标定义尺寸。

内容的提问来源于stack exchange，提问作者Shai Avr