Python 基于numpy中的顶点坐标选择网格的面

我有两个numpy数组，一个用于网格的3D顶点，称为

vert

，另一个用于三角形面，称为

faces

：

vert

数组是一个

nx3

形状的

float

数组，因此有N个三维点。每个点的

x

坐标可以有正值和负值。 作为一个纯粹的例子，这可以是

vert

数组：

[[  2.886495  24.886948  15.909558]
 [ -13.916695 -58.985245  19.655312]
 [ 40.415527   8.968353   8.515955]
 ...
 [ 13.392465 -58.20602   18.752457]
 [ -12.504704 -58.307934  18.912386]
 [ 13.322185 -58.52817   19.165733]]

由于网格居中，因此网格的左侧部分是具有正x分量的部分，相应的顶点索引由

np找到。其中

i_vert_left = np.where(vert[:,0]>0)[0]

我现在想过滤掉那些由三角形组成的面，这些三角形的坐标完全在正

x

轴上

但是，我在正确执行此索引操作时遇到了一个问题。 我的第一次尝试是对面进行子集，使其对应的顶点具有

x>0

faces_left = np.asarray([f for f in faces if np.all(np.isin(i_vert_left,f)) ])

但在大网格上，操作速度非常慢。

---

如何利用面智能索引？

假设

面

是一个

Nx3

整数数组，索引每个三角形的三个顶点，我认为您应该只需要：

# Check whether each vertex is left or not
vert_left_mask = vert[:, 0] > 0
# Check whether each face has all vertices on left or not
faces_left_mask = np.all(vert_left_mask[faces], axis=1)
# Select resulting left faces
faces_left = faces[faces_left_mask]

---

这里的主要“技巧”是在

vert\u left\u mask[faces]

中，它将每个整数顶点数替换为一个布尔值，指示顶点是否左，因此很容易判断哪个面完全左对齐

np。所有
面都是什么样的？形状？