如何对梯形非矩形区域生成meshgrid？用于Python 3D体可视化

你当前的问题在于直接拼接四条边的点后用meshgrid，会生成所有x和y的笛卡尔积，自然得到矩形区域。要生成梯形内部的网格，正确的思路是针对每个x值，生成其对应的y轴有效范围（即梯形的上下边界之间的点），再构建网格。

具体实现步骤 #

• 先确定x轴的采样区间和点数，比如从0到30取20个点
• 对每个x，计算该位置的上边界y_top和下边界y_bottom（复用你原来的边界公式）
• 对每个x，在y_bottom到y_top之间生成y采样点
• 将所有(x,y)对整理成二维数组，方便后续添加Z轴数据

完整代码示例 #

import numpy as np
import matplotlib.pyplot as plt

# 1. 定义x轴采样点
x_samples = np.linspace(0, 30, 20)
# 每个x对应的y采样点数（可根据精度调整）
y_per_x = 20

# 2. 初始化存储网格点的数组
x_grid = []
y_grid = []

# 3. 遍历每个x，生成对应的y范围
for x in x_samples:
    # 计算当前x的上下边界
    y_top = np.sqrt((5 / 30 * x) + 4)
    y_bottom = -np.sqrt((5 / 30 * x) + 4)
    # 生成该x对应的y采样点
    y_points = np.linspace(y_bottom, y_top, y_per_x)
    # 将x重复对应每个y点，添加到网格数组
    x_grid.extend([x] * y_per_x)
    y_grid.extend(y_points)

# 转成numpy数组方便后续处理
x_grid = np.array(x_grid)
y_grid = np.array(y_grid)

# 可视化验证
plt.scatter(x_grid, y_grid, s=5)
plt.show()

# 后续添加Z轴数据示例（比如z=x*y）
z_grid = x_grid * y_grid

# 如果需要用Plotly构建3D体，可以用这些点生成Surface或者Volume数据
# 例如转成二维网格格式（适合Plotly Surface）
X_2d = x_grid.reshape(len(x_samples), y_per_x)
Y_2d = y_grid.reshape(len(x_samples), y_per_x)
Z_2d = z_grid.reshape(len(x_samples), y_per_x)

关键说明 #

• 这种方法只生成梯形内部的有效点，避免了meshgrid产生的冗余矩形区域
• 可以通过调整x_samples的数量和y_per_x的数量来控制网格精度
• 转成二维数组后，直接可以传入Plotly的go.Surface或者go.Volume组件构建3D可视化

内容的提问来源于stack exchange，提问作者Hady Farrag