Python中3D表面绘图的颜色

Question

我正在使用以下代码绘制一个3D曲面：

surf = ax3.plot_surface(X, Y, Z, rstride=1, cstride=1, alpha=0.5, linewidth=0, cmap=cm.jet,antialiased=True)

现在颜色非常好，虽然有点鳞状外观，但很细腻。
但我想根据 list 存储的另一个数据来改变表面颜色：

m = [104.48, 111.73,109.93,139.95,95.05,150.49,136.96,157.75]

我试着使用：

norm = cls.Normalize() # Norm to map the 'm' values to [0,1]
norm.autoscale(m)
cmap = cm.ScalarMappable(norm, 'jet')
surf = ax3.plot_surface(X, Y, Z, rstride=5, cstride=5, alpha=0.5, linewidth=0, color=cmap.to_rgba(m), antialiased=True)

但是这会引发一个错误，因为cmap.to_rgba只接受1D数组。 如果有任何建议可以让我改变表面的colormap，将不胜感激。

- diffracteD

Answer 1

为了获得正确的颜色，请使用Z值从颜色图中选择值：

my_col = cm.jet(Z/np.amax(Z))

结果如下：

结果：

使用与@Moritz相同的代码，除此之外没有其他区别。

from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
my_col = cm.jet(Z/np.amax(Z))

surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, facecolors = my_col,
        linewidth=0, antialiased=False)
ax.set_zlim(-1.01, 1.01)

plt.show()

- pingul

---

有没有办法去除图形的鳞状外观，使其变得光滑亮丽？ - diffracteD

你需要将数据插值到一个更细的网格上。 - Moritz

@diffracteD 正如@Moritz所说，将np.arange（-5，5，0.25）中的0.25更改为较低的值。 - pingul

@pingul 我会回复你关于鳞状外观的问题。但更重要的是，我关注的是将m值用作XYZ表面上的颜色映射。请就此问题发表评论。 - diffracteD

@diffracteD，您需要为每个Z值赋予一个颜色值，即m将需要包含与Z相同的维度（检查Z.shape == m.shape）。如果是这种情况，只需更改代码为my_col = cm.jet(m/np.amax(m))以进行归一化。 - pingul

Answer 2

好的，看起来很糟糕，但我认为您可以适应它:

from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.gca(projection='3d')
X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
my_col = cm.jet(np.random.rand(Z.shape[0],Z.shape[1]))

surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, facecolors = my_col,
        linewidth=0, antialiased=False)
ax.set_zlim(-1.01, 1.01)

我不会使用jet，而是使用像这样的线性色彩映射。你可以轻松地通过使用错误的颜色映射欺骗眼睛（关于此主题的文章之一：链接）。

- Moritz

---

如果我理解正确的话，您正在绘制 X,Y,Z 并根据 Z-array 给表面设置自定义颜色。但是我已经有了一个 (X,Y,Z) 的白色表面，现在我想根据 m-array 的值对表面进行着色。如果我误解了，请纠正我。 - diffracteD

你需要在经过缩放的m数组上使用meshgrid函数才能得到一个二维数组。 - Moritz

是的，在x，y，z拟合的情况下，我正在使用np.meshgrid，但它会给我一个矩阵数据（秩为3），需要传递给plot_surface（X，Y，Z，...）来生成表面。现在，如果我包括m，我该如何处理秩为4的矩阵进行绘图？关于您的想法的一点代码将会很好。 - diffracteD

只要您不提供数组m和一些可工作的最小示例，我只能猜测。 - Moritz

@diffracteD，m与X、Y和Z有什么关系？它们的元素数量是否相同？你希望如何将m映射到你的表面上？ - Amy Teegarden

Answer 3

我认为之前的答案有些误导人。facecolors 应该比网格值小一列和一行！否则，面将根据面角中的一个值进行彩色偏移（对于许多值可能无关紧要）。这对于一些对称值变得明显（请参见下面的示例）。您可以计算面中间的新值或平均面角的值，这是我需要测量值的方法。同样，可以线性插值中间值并绘制更多面。以下是一个比较的示例：

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

x_lst = np.linspace(-5, 5, 4)
y_lst = np.linspace(-5, 5, 4)
x_grid, y_grid = np.meshgrid(x_lst, y_lst)
z_grid = x_grid + y_grid

# values at face corners (at the grid points)
c_grid = np.abs(x_grid + y_grid)  # same size like x_val, y_val, z_val
print(c_grid)

# averaged corner values for each face
c_faces = np.lib.stride_tricks.sliding_window_view(c_grid, (2,2))
c_faces = np.mean(c_faces, axis=(2, 3))  # size reduces by 1
print(c_faces)

# color map and normalization
c_min, c_max = np.min(c_grid), np.max(c_grid)  # could also be min and max of c_faces
norm = mpl.colors.Normalize(vmin=c_min, vmax=c_max)
cmap = mpl.cm.viridis

for c_vals in [c_grid,    # values at face corners
               c_faces]:  # averaged corner values
    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')
    surf = ax.plot_surface(x_grid, y_grid, z_grid,
                           rstride=1, cstride=1,  # no downsampling
                           facecolors = cmap(norm(c_vals)), shade=False)
    cbar = plt.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmap), ax=ax, pad=0.2)
    ax.dist = 8
    plt.show()

带网格值的移动图： 平均值的图：

- umfundi