使用Matplotlib绘制二维数组的图表

Question

我有一个二维数组（名为Data），它看起来像：

            Shape 0       Shape 1     ...      Shape N
            -------       -------              -------

Scale 0  |  Value00   ,   Value01     ...      Value0N |

Scale 1  |  Value10   ,   Value11     ...      Value1N |

  .
  .
  .

Scale N  |  ValueN0   ,   ValueN1     ...      ValueNN |

我想创建一个三维图形，其中ValueXX是Z轴。我尝试了两种方法，但每种方法都给我一个与另一个旋转的表面，所以我有点困惑。这是我第一次尝试解决问题:

x,y = numpy.mgrid[0:50:50j,0:50:50j]
f = Data
fig = plt.figure()
ax = Axes3D(fig)
ax.plot_surface(x,y,f,rstride=1,cstride=1)

这是我的第二次尝试：

nx, ny = 50, 50
x = range(nx)
y = range(ny)
hf = plt.figure()
ha = hf.add_subplot(111, projection='3d')
X, Y = numpy.meshgrid(x, y)  
ha.plot_surface(X,Y,Data,rstride=1,cstride=1)

检查X和Y并没有真正帮助，因为它是一个正方形。我不确定当X代表我的“比例”时，它是否表示我的“形状”。

那么，这两个示例中到底发生了什么？有没有更好的方法来绘制这个数组？

谢谢！

- The Dude

---

我发现当我遇到这种情况时，最简单的方法通常是有意地生成一个具有不同x和y轴大小的测试数据集。这将使您能够检查绘图，并且在某些情况下（例如pcolor），如果您错误地获取了x和y轴数组，则会引发错误。 - DaveP

Answer 1

如果我理解正确，您的困惑是哪个轴是哪个轴，对吗？ 如果是这种情况，您可以轻松地绘制一个已知的不对称形状，图表将告诉您一切。例如，采用画廊中的示例：

# By Armin Moser

from mpl_toolkits.mplot3d import Axes3D
import matplotlib
import numpy as np
from matplotlib import cm
from matplotlib import pyplot as plt
step = 0.04
maxval = 1.0
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# create supporting points in polar coordinates
r = np.linspace(0,1.25,50)
p = np.linspace(0,2*np.pi,50)
R,P = np.meshgrid(r,p)
# transform them to cartesian system
X,Y = R*np.cos(P),R*np.sin(P)

#Z = ((R**2 - 1)**2)
Z = (X**2 + 0.2*Y**2 -1)**2   # <------- edit

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.jet)
#ax.set_zlim3d(0, 1)
ax.set_xlabel(r'$\phi_\mathrm{real}$')
ax.set_ylabel(r'$\phi_\mathrm{im}$')
ax.set_zlabel(r'$V(\phi)$')
plt.show()

- ev-br

---

基本上，我想知道这两种方法的行为差异。我盯着图表看了一会儿，发现有一条网格线具有独特的形状。通过绘制它，我能够区分出方法1的作用。基本上，我的方法1按照我想要的方式直接绘制了我的数组。行对应于X轴，列对应于Y轴。如果有人能够给出更详细的答案来解释这两种方法的行为，那对我和其他人都将是一个很大的帮助。谢谢！ - The Dude