PyVista 中为点标签添加背景边框的方法
2025-06-26 00:21:22作者:仰钰奇
背景介绍
在数据可视化领域,PyVista 作为一款强大的 3D 可视化工具,提供了丰富的标注功能。其中 add_point_labels 方法常用于在 3D 场景中添加点标签。然而在实际应用中,当场景复杂或标签较多时,如何提高标签的可读性成为一个重要问题。
问题分析
在 PyVista 0.43.4 及更早版本中,用户只能选择是否填充标签背景(通过 fill_shape 参数),但无法同时实现背景填充和边框效果。这导致在需要白色背景提高可读性的同时,又希望有边框来区分相邻标签的场景下,用户面临两难选择。
解决方案
PyVista 0.44.0 版本对此进行了改进,新增了 background_color 参数,使得用户可以:
- 通过
fill_shape=True启用背景填充 - 通过
background_color设置背景颜色 - 通过
fill_shape=False时自动显示边框效果
实际应用示例
import numpy as np
import pyvista as pv
# 创建绘图器
pl = pv.Plotter()
# 定义点坐标和标签
points = np.array([[0.0, 0.0, 0.0], [1.0, 1.0, 0.0], [2.0, 0.0, 0.0]])
labels = ['点A', '点B', '点C']
# 添加点标签
actor = pl.add_point_labels(
points,
labels,
italic=True,
font_size=20,
point_color='red',
point_size=20,
render_points_as_spheres=True,
always_visible=True,
shape=True,
fill_shape=True, # 启用背景填充
background_color='white' # 设置背景颜色
)
# 设置相机视角并显示
pl.camera_position = 'xy'
pl.show()
效果对比
-
无背景填充 (
fill_shape=False):- 只有文字和边框
- 适合简单场景或背景单一的情况
-
有背景填充 (
fill_shape=True配合background_color):- 文字带有背景色
- 提高在复杂背景下的可读性
- 适合多标签或背景复杂的情况
最佳实践建议
- 对于密集标签场景,建议使用白色背景配合边框
- 调整
font_size和background_color以达到最佳对比度 - 考虑使用
shape=True增强标签的立体感 - 在 PyVista 0.44.0 及以上版本中,可以充分利用新的背景颜色设置功能
总结
PyVista 的点标签功能经过版本迭代,已经能够很好地满足各种可视化场景的需求。通过合理配置 fill_shape 和 background_color 参数,用户可以在保持标签可读性的同时,实现美观的视觉效果。对于需要升级版本的用户,建议升级到 PyVista 0.44.0 或更高版本以获得完整功能。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
340
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
233
266
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
327
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
668
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
45
32