如何将投影到平面的3D点转换为正交视角下的2D绘图（Python实现）

核心思路 #

你的3D点已经投影到某一平面，从该平面正交方向观察时，本质是丢弃垂直于平面的冗余维度坐标，保留剩余两个维度作为2D绘图的坐标即可。关键是先定位出那个垂直于观察平面的冗余维度。

实现步骤 #

1. 数据准备 #

假设你的3D点数据用numpy存储为N行3列的数组，示例如下：

import numpy as np
import matplotlib.pyplot as plt

# 替换为你的真实3D点数据集
points_3d = np.array([
    [0.8, 2.1, 4.3],
    [1.5, 3.2, 4.3],
    [2.2, 4.0, 4.3],
    [3.0, 5.1, 4.3],
    # 更多点数据...
])

2. 定位冗余维度 #

投影到平面的3D点，三个坐标中会有一个维度的数值波动极小（或完全不变），这个维度就是垂直于观察平面的方向。可以通过计算各维度的方差快速判断：

# 计算每个维度的方差，方差最小的即为冗余维度
dim_variances = np.var(points_3d, axis=0)
redundant_dim = np.argmin(dim_variances)

3. 转换为2D坐标 #

删除冗余维度，得到用于绘图的2D坐标：

# 提取非冗余的两个维度作为2D坐标
points_2d = np.delete(points_3d, redundant_dim, axis=1)

4. 绘制2D图形 #

用matplotlib绘制散点图（也可根据需求改为折线图）：

plt.scatter(points_2d[:, 0], points_2d[:, 1], c='darkblue', marker='o', alpha=0.7)
# 根据冗余维度设置坐标轴标签
x_label = 'X轴' if redundant_dim != 0 else 'Y轴'
y_label = 'Y轴' if redundant_dim != 1 else 'Z轴'
plt.xlabel(x_label)
plt.ylabel(y_label)
plt.title('平面正交视角下的2D投影')
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

特殊情况处理 #

如果投影平面不平行于坐标轴（三个维度均有波动但存在线性依赖），可以用**主成分分析(PCA)**提取前两个主成分来生成2D坐标：

from sklearn.decomposition import PCA

# 用PCA降维到2D
pca = PCA(n_components=2)
points_2d_pca = pca.fit_transform(points_3d)

plt.scatter(points_2d_pca[:, 0], points_2d_pca[:, 1], c='darkred', marker='^', alpha=0.7)
plt.xlabel('主成分1')
plt.ylabel('主成分2')
plt.title('PCA转换的2D投影图')
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

内容的提问来源于stack exchange，提问作者John_Seism