我把目錄從這裡剔除出去了，否則每次改很麻煩。 這周因為要做一個圖示，所以就先把quiver提上來說一下 points3d,quiver3d 單從這兩個函式名大概對這兩個是比較清楚的，分別繪製的是點和向量。 這兩個放在一起也是因為他們的相似引數很多，因為它們都是對點的描述。

1.quiver3d

老規矩從官方例子開始，先微調一下官方程式碼

import numpy as np
from mayavi.mlab import *
x, y, z = np.mgrid[-2:3, -2:3, -2:3]
r = np.sqrt(x ** 2 + y ** 2 + z ** 4)
u = y * np.sin(r) / (r + 0.001)
v = -x * np.sin(r) / (r + 0.001)
w = np.zeros_like(z)
obj = quiver3d(x, y, z, u, v, w, line_width=3, scale_factor=1)
outline(color=(1,0,0),opacity=0.8)
show()
 

文件中對這個函式的描述如下： Plots glyphs (like arrows) indicating the direction of the vectors at the positions supplied. 在所給位置放置圖形（比如箭頭）來表示該處向量的方向。

語法如下： quiver3d(u, v, w, ...) quiver3d(x, y, z, u, v, w, ...) quiver3d(x, y, z, f, ...)

2.points3d

extent

3.引數

. . . . . . . . .

. . . .

未更新。

*擴充套件的例項。 前段時間剛開始接觸機器學習，（菜雞，你怎麼才開始？啊對，就是菜雞，就是才開始，萌新瑟瑟發抖。） 為了更好地鞏固複習（現炒現賣）我決定，儘可能多做圖，採用Mayavi

這是我想要的效果如下。（這個是網上偷的,我的圖下面，我只繪製了1/4）

1.繪製基本外形

1.設定下降起點，我選的(2,3,13)，這個無所謂 2.mgrid離散網格，利用 r1 = 0.25*(x1**2+y1**2)獲得網格高度r1 3.surf分別繪製漸變的surface和wireframe，並選用熱辣的LUT配色方案'hot'（我喜歡）,然後細節上微調線徑寬度line_width=1.2和opacity兩種最好不一樣，我們需要強調的是網格，至於surface只為了突出它的值是變化的，hot~ 4.修飾outline方便觀察值域，xlable這個稍微注意新增的位置，這裡新增的位置是surf

下，surf是全域性繪製 5.繪製一個起點points3d 6.設定figure的bgcolor，這裡是背景色。

start_x,start_y,start_z = 2,3,13   #下降起點
figure(bgcolor=(0.5,0.5,0.5))
x1,y1 = np.mgrid[0:3:15j, 0:3:15j]    #離散不要太大，太密集不好觀察
r1 = 0.25*(x1**2+y1**2)
surf(x1,y1,r1,colormap='hot',opacity=0.2)
surf(x1,y1,r1,colormap='hot',line_width=1.2,opacity=0.4,representation='wireframe')
xlabel('x')
outline(color=(1,0,0),opacity=0.8)
x_start,y_start,z_start = np.array([start_x]),np.array([start_y]),np.array([start_z])*0.25
points3d(x_start,y_start,z_start,z_start,colormap="copper",name='StartPoint',scale_factor=.05)   

2.上面的部分繪製了一個下降起點和具有誘惑的網格,現在繼續。

1.涉及符號計算sympy，做了必要的命名之後，diff()進行求導，機器學習裡面的alp學習速率，再一併設定迭代次數times，這裡我只迭代10次。 2.中間的處理我不說了，都是計算 3.從points3d開始繪製每次迭代之後產生的新的點，contour_surf這次的用法唯一特殊在於contours接受的是list，也就是以每個點所在的位置繪製等高線。quiver3d也就是這篇文章的重點了，接受了6個引數，是對位置和三個方向的向量描述。最後，plot3d把沿梯度下降的點連線起來。

theta0,theta1 = symbols('theta0,theta1')
f = theta0**2 + theta1**2
vector0,vector1 = f.diff(theta0),f.diff(theta1)  #偏微
alp = 0.1       #下降速率
times = 10      #迭代次數
kx,ky = vector0.subs(theta0,start_x),vector1.subs(theta1,start_y)
list_x,list_y,list_z = [],[],[] #[start_x],[start_y],[start_z]
vect_x,vect_y,vect_z = [],[],[]
for ti in range(times):
    kx,ky = vector0.subs(theta0,start_x),vector1.subs(theta1,start_y)                   #斜率
    vect_x.append(float(-kx));vect_y.append(float(-ky));vect_z.append(-1)
    start_x -= alp*kx;start_y -= alp*ky;start_z = (start_x ** 2 + start_y ** 2)*0.25    #按方向下降
    list_x.append(float(start_x));list_y.append(float(start_y));list_z.append(float(start_z))
sca = [3 for num in range(times)]      
points3d(list_x,list_y,list_z,sca,colormap='cool',name='GradientPoint',scale_factor=.04)
contour_surf(x1,y1,r1,contours=list_z,name='GradientContour',opacity=1)
quiver3d(list_x,list_y,list_z,vect_x,vect_y,vect_z,scale_factor=.1)
plot3d(list_x,list_y,list_z,sca,name='Connection',tube_radius=None,line_width=4.2)
show()

. . .

原始碼我都貼出來了。也上傳了。