1. 科学数据3D可视化

1.1. 三维散点图

三维散点图是展示多维数据的一种有效方式。

通过使用plotly.graph_objects.Scatter3D，可以轻松地在三维空间中展示数据点。

例如，在分子结构可视化中，每个原子可以作为一个数据点，其坐标由三维空间中的x、y和z值表示。

通过颜色和尺寸的映射，我们可以进一步增强数据的维度表达。

python 复制代码

import plotly.graph_objects as go
import numpy as np

# 生成分子动力学模拟的原子坐标（示例）
np.random.seed(42)
coords = np.random.randn(100, 3) * 5  # 三维坐标
elements = np.random.choice(['C', 'H', 'O'], 100)  # 原子类型
colors = {'C': '#4B4B4B', 'H': '#FFD700', 'O': '#FF4500'}  # 元素颜色映射

fig = go.Figure(data=[
    go.Scatter3d(
        x=coords[:,0], y=coords[:,1], z=coords[:,2],
        mode='markers',
        marker=dict(
            size=[10 if e=='C' else 6 for e in elements],  # 原子尺寸映射
            color=[colors[e] for e in elements],
            opacity=0.8
        ),
        hovertext=elements  # 悬停显示元素类型
    )
])
fig.update_layout(scene=dict(aspectmode='cube'),height=600, width=600)
fig.show()

此代码生成一个可旋转的三维分子模型，通过颜色与尺寸区分原子类型。

若叠加温度场数据，还可通过coloraxis实现第四维度的热力学状态映射。

1.2. 三维曲面图

三维曲面图则适用于展示连续的三维数据。

通过使用plotly.graph_objects.Surface，我们可以可视化复杂的科学现象。

例如，在流体力学模拟中，三维曲面图可以展示速度场或压力场的分布。

在地形数据可视化中，三维曲面图可以清晰地展示山脉、山谷等地形特征。

下面的示例展示如何使用三维曲面来可视化量子化学势能面。

python 复制代码

# 可视化量子化学势能面
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))  # 示例势能函数

fig = go.Figure(data=[go.Surface(z=Z, colorscale="Viridis")])
fig.update_layout(
    scene=dict(
        xaxis_title="X 坐标",
        yaxis_title="Y 坐标",
        zaxis_title="势能",
    ),
    margin=dict(l=0, r=0, b=0, t=0),
    width=800,
    height=600,
)
fig.show()

通过曲面起伏与色彩梯度，可直观分析势能面的鞍点与极小值位置。

结合Contour图层的叠加，还能实现能级等高线的同步显示。

2. 科学数据动态可视化

Plotly的动画框架（animation_frame）为动态数据的可视化提供了强大的支持。

通过这一功能，科学家可以动态地展示数据随时间的演变。

例如，在化学反应中，分子的运动轨迹可以通过动画展示出来，用户可以看到分子如何在反应过程中相互碰撞、结合或分解；

在物理实验中，温度场随时间的扩散过程也可以通过动画清晰地呈现出来。

这种动态展示方式不仅直观，还能帮助科学家更好地理解实验过程。

下面的示例通过动画清晰展示热量从中心向外扩散的速率变化。

python 复制代码

# 模拟热扩散过程
times = np.linspace(0, 10, 50)
z_data = [np.exp(-(X**2 + Y**2) / (4 * t)) / (4 * np.pi * t) for t in times[1:]]

fig = go.Figure(
    frames=[
        go.Frame(data=[go.Surface(z=z, colorscale="Plasma")], name=str(t))
        for z, t in zip(z_data, times[1:])
    ]
)
fig.add_trace(go.Surface(z=z_data[0], colorscale="Plasma"))
fig.update_layout(
    scene=dict(zaxis=dict(range=[0, 0.1])),
    updatemenus=[
        dict(
            type="buttons", buttons=[dict(label="Play", method="animate", args=[None])]
        )
    ],
    width=800,height=600,
)
fig.show()

3. 总结

Plotly在科学领域的独特价值在于其能够从静态 3D 模型到动态实验过程提供全面的可视化支持。

其交互性和动态功能不仅提高了科研效率，还为科研协作和成果展示提供了强大的工具。

展望未来，结合 VR/AR 技术，Plotly有望进一步扩展科学可视化的沉浸式体验。

『Plotly实战指南』--在科学数据可视化中的应用（下）

1. 科学数据3D可视化

1.1. 三维散点图

1.2. 三维曲面图

2. 科学数据动态可视化

3. 总结