https://blog.csdn.net/qq_40678163/article/details/108923006
不足之处请大佬指正！
题目：
请读取data1.xlsx,将B列,C列,D列E列，第3行到第615行的数据读取出来，赋值给data，data1.xlsx前三列是613个点的x,y,z坐标，第0个点是A点，第612个点是B点，data第4列的数据是其校正点的属性，1表示垂直校正点，0表示水平校正点。
请完成以下问题:
(a)画出这613个点的散点图，A点为红色圆点，B点为黄色圆点，垂直校正点为绿色+，水平校正点为蓝色^.
(b)请画出A点到B点的直线，颜色为黑色，直线宽度为1.
(c) 设选定的校正点的集合为node = [0, 503, 294, 91, 607, 540, 250, 340, 277, 612],请画出node中相邻两点之间的直线，颜色为红色，直线宽度为2
(d)将此图片保存为FigData1.jpg.
(e)请根据data1.xlsx前三列中613个点的x,y,z坐标，计算这613个点中任意两点之间的欧式距离，并将这个613行613列的距离矩阵赋值给dist，将dist存 入Excel文件data2.xlsx中.
(f) 提交要求: Python程序，运行截图，FigData1.jpg,data2.xlsx
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# 指定xlsx的路径
path = r'F:\学习\2020-2021数学模型\作业2\data1.xlsx'
# 读取data1文件,并重新定义列标签
df = pd.DataFrame(pd.read_excel(path, names=['编号', 'X坐标（单位: m）', 'Y坐标（单位:m）', 'Z坐标（单位: m）', '校正点类型']))
# 切片第1行到613行，第1列到第4列的数据，赋给data
data = df.iloc[1:614, 1:5]
# 重新生成索引，使得从0开始索引
data = data.reset_index(drop=True)
# print(data.shape) 看data的形状 输出：(613, 4)
# print(type(data)) 看转换前data的类型 输出：<class 'pandas.core.frame.DataFrame'>
# 将data转换为N维数组
data = np.array(data)
# print(type(data)) 看转换前data的类型 输出：<class 'numpy.ndarray'>
# ------- a ------- #
# 建立新的fihure并设置为3D
fig = plt.figure()
ax = Axes3D(fig)
# 获取所有X，Y，Z的坐标以及点的属性
x = data[:, 0]
y = data[:, 1]
z = data[:, 2]
prop = data[:, 3]
# 根据属性绘制散点图
for i in range(0, 613):
if prop[i] == 'A点': # 注意！data1的表格文件中 ’A‘ 和 ’点‘之间有空格，博主删掉了
ax.scatter(x[i], y[i], z[i], c='r', marker='o')
elif prop[i] == 'B点':
ax.scatter(x[i], y[i], z[i], c='y', marker='o')
elif prop[i] == 1:
ax.scatter(x[i], y[i], z[i], c='g', marker='+')
elif prop[i] == 0:
ax.scatter(x[i], y[i], z[i], c='b', marker='^')
ax.set(xlabel="X", ylabel="Y", zlabel="Z")
# plt.show()
# ------- b -------#
# 获取A，B两点的坐标
x_ab = [x[0], x[612]]
y_ab = [y[0], y[612]]
z_ab = [z[0], z[612]]
# 绘制A，B两点之间的直线
ax.plot(x_ab, y_ab, z_ab, linewidth=1, c='k')
# plt.show()
# ------- c -------#
node = [0, 503, 294, 91, 607, 540, 250, 340, 277, 612]
# 定义空数组用来存放校正点
x_node = []
y_node = []
z_node = []
# 将校正点提取出来并连接相邻校正点
for j in node:
x_node.append(x[j])
y_node.append(y[j])
z_node.append(z[j])
ax.plot(x_node, y_node, z_node, linewidth=2, c='r')
# 保存绘制的图形
plt.savefig("FigData1.jpg")
plt.show()
# ------- d -------#
# 定义欧式距离的函数
def eu_distance(coords1, coords2):
eu_dist = []
for a_co, b_co in zip(coords1, coords2):
eu_dist = np.sqrt(np.sum((a_co-b_co)**2))
return eu_dist
# 定义613*613的空数组存放欧式距离
dist = np.zeros(shape=(613, 613))
for i in range(0, 613):
for j in range(0, 613):
dist[i][j] = eu_distance(data[i, 0:3], data[j, 0:3])
# 将计算的欧式距离写入到data2中
data2_save = pd.DataFrame(dist)
writer = pd.ExcelWriter('data2.xlsx')
data2_save.to_excel(writer, 'sheet1')
writer.save()运行结果：
