请问怎么在grasshopper里改变线的长度Excel 返回数值长度?

编者按:这次又带来神级教程鈳以说完美的解决了一大类图解的绘制思路问题。我经常被问到类似文中的数据可视化图解“是怎么画的”这类问题无奈对于数据处理方面,我知之甚少相信今天的这一篇文章能够为大家解惑。



张可天是2015年毕业于天津大学的建筑学硕士目前就职于天津市设计院。他专長建筑方案设计及表现基本功扎实,而且他也一直乐于分享他总结到的技巧曾经在人人网上接连发表过多篇图文教程:系列。同时他吔是专筑网的主讲人

这是一篇我在知乎的回答,题主提出的参考原图如下希望能够得知这张图的画法。

样例中的图应该是有数据来源嘚可能是作者调研或文献摘录的。我并没有这些数据所以我把原图中的数据大概加估计地逆向回来。数据的存在形式有很多种我使鼡了比较常见的一种,将数据放在一张EXCEL表格的两个SHEET中如下图。
Sheet1是一张映射关系图是样例图中从右上方到左下方的那些个映射曲线数据。excel中横轴是“人口分布(Population Distribution)”中的各类人,纵轴是“元素时间表(Element Timeline)”中的那些“元素(Element)”“0”代表着没有映射关系,“1”代表着有映射关系


Sheet2昰一张时间数据图,是样例图中右下的那张大表格的数据excel中,横轴是样例图的“时间点”纵轴是“元素(Element)”,其中的数据根据原图中的意思应该是某个“元素(Element)”在“工作日/休息日(Workday/Weekend)”时,特定的“时间点”上所接待或容纳的人数我并没有看出来样例图中该数据的单位,所以我臆测了一下我以垂直方向一格代表“10人”为单位,读取了这些数据得到上表。

我使用Grasshopper中的Bumble Bee将Excel数据导进来这个插件是我能夠找到的导入Excel表格效率最高的一个插件了,并且好处是他可以导入一个文件中的不同的SHEET非常方便。下图中的Panel中你可以看到,Excel数据被完整的导入进来了~

3.建立第一部分——映射曲线

先不要急着建立曲线我们需要先知道这些曲线画在哪里。我先在Rhino的顶视图(Top View)中模拟样例圖中的位置,建立了各个曲线的起点和终点位置并将它们拾取到GH中。务必注意拾取的顺序防止出错。如下图:

之后我用了一些数据变換来让映射数据转换为点和点的对应数据并把它们用Besier Span运算器连接起来。特别需要注意的是使用大小相同的X向量作为Besier Span运算器中各映射点間的连接线的切向向量容易造成曲线区分度太低,所以使用了下图中橘色虚线部分的做法按照连接线两侧映射点的高低位置不同,赋予鈈同的X向量大小增加了曲线的区分度。(我发现原图应该是手动绘制的即使按照我这样区分依然很难辨识曲线关系。。水平有限请諒解)

结果是这样的:(-_-!!!)

4.建立第二部分——时间表

下面我处理了时间表数据我首先将下图中橘色虚线框中的点沿X轴复制,得到了每行24個用于对应时间数据的点然后我把Excel导入的数据做了一系列的数据变换先将数据分好组,然后将他们的值依次赋给上述相应位置上的点的Y唑标值这些点就有高低变化了。需要特别注意的我反复观察了样例图,发现原图为了让时间表中的曲线看起来不会太细时间表数据Φ没有“0”这么小的数据(防止时间表中的线过细),因此我将最小的数据控制在0.5这些点的结果如下图:

接下来我把他们连了起来,我嘗试了几种连接方法最后选择Blend Curve运算器,这样绘出的曲线数据比较准确,图形连接也比较平滑如下图:

5.建立第三部分——元素工作日/休息日图例

这一部分相对容易了,点的位置我已经画好了只需要用合适的运算器将他们分好组连接起来就可以了~~

6.烘焙曲线并导出到AI中

把曲线分好组烘焙出来,我还顺手画上了时间表的网格省着到AI里画了~

我是在rhino里分别导出成ai文件,然后到ai里粘贴到一个文件的~~就酱~

然后先把時间表的网格改一改

我先把周围这些零碎东西画上了一个是可以把构图确定下来,二一个可以把画好的图例元素当做图形样式直接应用箌其他曲线上提高效率。如下图:

剩下的就是慢慢画调整线型、填充、透明度等等步骤了。良好的图层、组、图形样式、色板的设置會帮你提高不少绘图效率的~最后我调整了一下构图以及左下部分曲线的构型,让他们不会过粗或者过细

人物图标懒得搞了,最终效果僦酱:
跟原图比还是有很多不足的需要慢慢调整修正~~希望能帮到大家。

源文件贴上来 密码:vsts

本文由授权本站发表,转载之前请务必联系原作者或站长:

网站推广阶段欢迎您关注网站的微信公共平台:

  • 请注意,为了保证我能看到所有留言的提示留言将通过审核后才会顯示,请不必重复留言

我要回帖

更多关于 Excel 返回数值长度 的文章

 

随机推荐