新手编程求助：如何实现带属性方块的3D俄罗斯方块自动填充系统

一、核心数据结构优化 #

你当前用单独变量存储每个方块矩阵，后续维护会很繁琐，建议把所有方块数据结构化管理，用字典统一存储类型、矩阵和连接规则映射，方便扩展和修改：

import numpy as np

# 连接规则映射：键是方块上的连接点数值，值是可匹配的目标空间数值
connection_rules = {
    2: [2],          # connector的连接点可匹配同类型连接点
    3: [3],          # firepiece的3点匹配barrel的3点
    4: [2],          # packer的4点匹配connector的2点
    5: [4],          # pellet的5点匹配packer的4点
    6: [4]           # compactor的6点匹配packer的4点
}

# 方块库：统一管理所有方块的矩阵和连接规则
blocks = {
    "connector": {
        "matrix": np.array([[[0,0,0],[0,2,0],[0,0,0]],[[0,2,0],[2,1,2],[0,2,0]],[[0,0,0],[0,2,0],[0,0,0]]]),
        "connections": {2: connection_rules[2]}
    },
    "firepiece": {
        "matrix": np.array([[[0,0,0],[0,2,0],[0,0,0]],[[0,3,0],[2,1,2],[0,2,0]],[[0,0,0],[0,2,0],[0,0,0]]]),
        "connections": {2: connection_rules[2], 3: connection_rules[3]}
    },
    "gauge": {
        "matrix": np.array([[[0,0,0],[0,2,0],[0,0,0]],[[0,2,0],[2,1,2],[0,2,0]],[[0,0,0],[0,2,0],[0,0,0]]]),
        "connections": {2: connection_rules[2]}
    },
    "packer": {
        "matrix": np.array([[[0,0,0],[0,5,0],[0,0,0]],[[0,4,0],[4,1,4],[0,5,0]],[[0,0,0],[0,5,0],[0,0,0]]]),
        "connections": {4: connection_rules[4], 5: connection_rules[5]}
    },
    "pellet": {
        "matrix": np.array([[[0,0,0],[0,5,0],[0,0,0]],[[0,5,0],[5,1,5],[0,5,0]],[[0,0,0],[0,5,0],[0,0,0]]]),
        "connections": {5: connection_rules[5]}
    },
    "compactor": {
        "matrix": np.array([[[0,0,0],[0,6,0],[0,0,0]],[[0,6,0],[6,1,6],[0,6,0]],[[0,0,0],[0,6,0],[0,0,0]]]),
        "connections": {6: connection_rules[6]}
    },
    "barrel": {
        "matrix": np.array([[[0,0,0],[0,0,0],[0,0,0]],[[0,3,0],[0,1,0],[0,3,0]],[[0,0,0],[0,0,0],[0,0,0]]]),
        "connections": {3: connection_rules[3]}
    }
}

二、碰撞与连接校验关键逻辑 #

自动填充的核心是判断方块能否放置，必须同时满足边界不越界、本体不重叠、连接点匹配三个条件：

1. 边界校验 #

确保方块放置后完全在目标空间内，用numpy切片快速判断：

def is_within_bounds(target_space, block_matrix, pos):
    # pos是方块在目标空间中的起始坐标(x, y, z)
    x, y, z = pos
    block_x, block_y, block_z = block_matrix.shape
    target_x, target_y, target_z = target_space.shape
    return (x + block_x <= target_x) and (y + block_y <= target_y) and (z + block_z <= target_z)

2. 本体重叠校验 #

检查方块的本体（数值1）是否和目标空间的非0区域重叠：

def no_overlap(target_space, block_matrix, pos):
    x, y, z = pos
    block_x, block_y, block_z = block_matrix.shape
    # 取出目标空间中对应方块位置的切片
    target_slice = target_space[x:x+block_x, y:y+block_y, z:z+block_z]
    # 方块本体是1，目标空间中对应位置不能有非0值
    block_body = (block_matrix == 1)
    return not np.logical_and(block_body, (target_slice != 0)).any()

3. 连接点匹配校验 #

遍历方块的所有连接点（非0非1的数值），检查目标空间对应位置是否符合连接规则：

def check_connections(target_space, block_data, pos):
    block_matrix = block_data["matrix"]
    connections = block_data["connections"]
    x, y, z = pos
    block_x, block_y, block_z = block_matrix.shape
    
    for dx in range(block_x):
        for dy in range(block_y):
            for dz in range(block_z):
                val = block_matrix[dx, dy, dz]
                if val in (0, 1):
                    continue  # 跳过空白和本体
                # 目标空间对应位置的坐标
                target_val = target_space[x+dx, y+dy, z+dz]
                # 检查目标值是否在允许的连接列表中
                if target_val not in connections[val]:
                    return False
    return True

三、高效填充算法建议 #

作为新手，先从简单易实现的算法入手，再逐步优化：

• 贪心策略优先：优先填充目标空间的角落、边缘区域，或者先放置尺寸较大的方块，减少后期碎片空间的产生。
• 预生成方块变体：提前生成每个方块的旋转、翻转矩阵（比如绕x/y/z轴旋转90/180/270度），填充时直接遍历变体，不用实时计算。
• 空间分区处理：如果目标空间过大，可将其划分为多个小区域分别填充，降低单次计算的复杂度。

四、开发调试实用技巧 #

• 3D可视化：用matplotlib的mplot3d模块把目标空间可视化，不同数值对应不同颜色，直观看到填充效果和问题点。比如0用黑色，1用灰色，2用蓝色，3用红色等。
• 分步测试：先实现手动指定位置放置方块的功能，测试边界、重叠、连接校验是否正确，再开发自动填充逻辑。
• 日志辅助：在关键步骤（放置成功/失败、校验结果）打印日志，方便定位代码问题。

内容的提问来源于stack exchange，提问作者Andrei Bodescu