如何在Python中提取并存储UnstructuredGrid特定y坐标对应的x、z坐标？

先搞懂UnstructuredGrid的核心逻辑 #

UnstructuredGrid本质就是空间点集加单元集合：

• 点：就是你要的(x,y,z)坐标，存成一个(n,3)的数组
• 单元：用点的索引组合成的几何形状（比如四面体、六面体），和你提取坐标的需求无关，不用管它

1. 提取网格所有点坐标 #

用PyVista的话，UnstructuredGrid对象直接带.points属性，一步拿到坐标数组：

import pyvista as pv
import numpy as np

# 假设你的网格已经生成好，存在grid变量里
all_points = grid.points  # 直接得到shape=(n,3)的numpy数组

2. 筛选特定y坐标的点 #

如果是找等于某个固定y值的点，考虑浮点数精度用近似匹配：

target_y = 10.0  # 你指定的y值
# 用atol控制精度，比如1e-6
mask = np.isclose(all_points[:, 1], target_y, atol=1e-6)
filtered_points = all_points[mask]  # shape=(m,3)，m是符合条件的点数量

要是需要y在某个区间，改成区间判断：

y_min, y_max = 8.0, 12.0
mask = (all_points[:,1] >= y_min) & (all_points[:,1] <= y_max)
filtered_points = all_points[mask]

3. 生成图像正面坐标（光线追踪输入） #

场景1：按轴向取最外层点（比如z最大的面） #

如果正面是沿着某个轴的最外层（比如z轴正方向的面），直接筛选z最大的点：

max_z = all_points[:,2].max()
front_mask = np.isclose(all_points[:,2], max_z, atol=1e-6)
front_points = all_points[front_mask]

场景2：提取网格表面的正面点（通用情况） #

如果要提取整个网格的表面，再筛选朝向特定方向的点：

# 先提取网格的表面（转成PolyData）
surface = grid.extract_surface()
# 计算表面点的法向量（默认指向外部）
surface.compute_normals(inplace=True)
normals = surface.point_normals

# 假设视线方向是(0,0,-1)（从z正方向看向原点）
view_dir = np.array([0,0,-1])
# 点积大于0表示法线朝向视线方向，也就是正面点
front_mask = np.dot(normals, view_dir) > 0
front_points = surface.points[front_mask]

补充：访问点对应的数值数据 #

如果你的网格带点数据（比如分割后的标签），直接用point_data提取：

# 假设点数据存在名为"segment_label"的字段里
point_labels = grid.point_data["segment_label"]
# 筛选y=target_y且标签为1的点
target_points = all_points[mask & (point_labels == 1)]

内容的提问来源于stack exchange，提问作者MIM