Как эффективно построить большое количество 3D-эллипсоидов с помощью matplotlib (Axes3D)?

В настоящее время я обрабатываю данные о деформации с помощью python и использую matplotlib (v. 1.5.1) для создания различных графических выходных данных для эллипсоидов конечной деформации.

Обработка 1000 параметров эллипсоидов выполняется довольно быстро (я повторно использую некоторый приятный код Python, доступный здесь https://github.com/minillinim/ellipsoid/blob/master/ellipsoid.py), но узкое место в моем рабочем процессе связано со временем, которое требуется для построения множества трехмерных объектов на трехмерном графике. .

Ниже я прикрепил небольшой фрагмент кода Python, который вычисляет и строит набор случайных эллипсоидов. Хотя 'ellipNumber' небольшой, он работает как шарм. Но когда он достигает 100, это занимает гораздо больше времени ... с 1000, держу пари, у вас не хватит терпения ждать.

Я понимаю, что в 2D использование коллекции — это способ повысить производительность: быстро">Как быстро нарисовать много тысяч кругов?

Предполагая, что коллекция действительно подходит, я огляделся в поисках примера и попытался заполнить Poly3DCollection координатами эллипсоида, как они сделали здесь для многоугольников в 3D: Построение трехмерных полигонов в python-matplotlib, но мне не повезло с настройкой вершин на основе двумерных массивов x,y и z.

Буду очень признателен за любые предложения/комментарии о том, как улучшить производительность построения эллипсоидов!

Ваше здоровье

import numpy as np
from numpy import linalg
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from matplotlib import cm
import matplotlib.colors as colors



fig = plt.figure(figsize=(8,8))
ax = fig.add_subplot(111, projection='3d')

# number of ellipsoids 
ellipNumber = 10

#set colour map so each ellipsoid as a unique colour
norm = colors.Normalize(vmin=0, vmax=ellipNumber)
cmap = cm.jet
m = cm.ScalarMappable(norm=norm, cmap=cmap)

#compute each and plot each ellipsoid iteratively
for indx in xrange(ellipNumber):
    # your ellispsoid and center in matrix form
    A = np.array([[np.random.random_sample(),0,0],
                  [0,np.random.random_sample(),0],
                  [0,0,np.random.random_sample()]])
    center = [indx*np.random.random_sample(),indx*np.random.random_sample(),indx*np.random.random_sample()]

    # find the rotation matrix and radii of the axes
    U, s, rotation = linalg.svd(A)
    radii = 1.0/np.sqrt(s) * 0.3 #reduce radii by factor 0.3 

    # calculate cartesian coordinates for the ellipsoid surface
    u = np.linspace(0.0, 2.0 * np.pi, 60)
    v = np.linspace(0.0, np.pi, 60)
    x = radii[0] * np.outer(np.cos(u), np.sin(v))
    y = radii[1] * np.outer(np.sin(u), np.sin(v))
    z = radii[2] * np.outer(np.ones_like(u), np.cos(v))

    for i in range(len(x)):
        for j in range(len(x)):
            [x[i,j],y[i,j],z[i,j]] = np.dot([x[i,j],y[i,j],z[i,j]], rotation) + center


    ax.plot_surface(x, y, z,  rstride=3, cstride=3,  color=m.to_rgba(indx), linewidth=0.1, alpha=1, shade=True)
plt.show()

3D-график с 10 случайными эллипсоидами: