Makie.jl中surface!函数nan_color参数的正确使用方法
2025-06-30 07:30:22作者:傅爽业Veleda
在数据可视化过程中,我们经常需要处理包含NaN(非数值)的数据点。Makie.jl作为Julia生态中强大的可视化工具,提供了nan_color参数来专门控制NaN值的显示颜色。然而,用户在使用surface!函数时可能会遇到nan_color参数似乎不起作用的情况,这实际上是由于对参数使用场景的误解。
问题现象
当用户尝试使用以下代码时,期望将NaN区域显示为红色:
using CairoMakie
lons = -180:180
lats = -90:90
field = [exp(cosd(l)) + 3(y/90) for l in lons, y in lats]
field[1:100,1:100] .= NaN
fig = Figure()
ax = Axis(fig[1,1])
surface!(ax, lons, lats, field; shading = NoShading, nan_color = :red)
fig
结果却发现NaN区域显示为透明而非预期的红色。
原因分析
这个现象的根本原因在于对surface!函数参数的理解偏差。在Makie.jl中:
- 当NaN值出现在Z坐标(高度值)时,这些点会被视为无效点,无法参与网格生成,因此会直接跳过绘制,表现为透明
nan_color参数实际上设计用于控制颜色映射中的NaN值显示,而不是Z坐标中的NaN值
正确使用方法
要实现将特定区域显示为红色的效果,正确的做法是将数据作为颜色参数传递,而不是Z坐标:
surface!(ax, lons, lats, zeros(size(field));
color = field,
shading = NoShading,
nan_color = :red)
这种用法中:
- Z坐标使用全零平面,确保所有点都有效
- 数据通过
color参数传递,此时nan_color参数会正确地将NaN值映射为红色
技术背景
Makie.jl的surface!函数实际上创建的是三维曲面图,它需要:
- 有效的几何数据(顶点位置)来构建网格
- 可选的颜色数据来进行着色
当Z坐标包含NaN时,会导致几何数据不完整,无法构建有效的三角网格。而颜色数据中的NaN则可以通过nan_color参数进行特殊处理。
其他注意事项
- 不同后端表现可能不同:CairoMakie和GLMakie在处理NaN时可能有细微差别
- 性能考虑:使用全零平面作为Z坐标可能会影响某些光照效果的计算
- 替代方案:对于复杂场景,可以考虑使用
mesh函数,它对NaN的处理方式略有不同
理解这些底层机制可以帮助用户更有效地利用Makie.jl进行科学可视化,特别是在处理不完整或有缺失值的数据集时。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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
330
暂无简介
Dart
685
160
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
326
🔥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
🎉 (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
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869