Matplotlib立方体面上的Contourf

Question

我正在尝试使用Python Matplotlib中的contourf函数“绘制”一个立方体的面。这可能吗？

这类似于这里所做的想法，但显然我不能使用补丁。同样，我认为我不能像这样使用add_collection3d，因为它只支持PolyCollection、LineColleciton和PatchCollection。

我一直在尝试在fig.gca(projection='3d')上使用contourf。以下是玩具示例。

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

plt.close('all')
fig = plt.figure()
ax = fig.gca(projection='3d')

############################################
#  plotting the 'top' layer works okay...  #
############################################

X = np.linspace(-5, 5, 43)
Y = np.linspace(-5, 5, 28)
X, Y = np.meshgrid(X, Y)

varone=np.random.rand(75,28,43)
Z=varone[0,:,:]
cset = ax.contourf(X, Y, Z, zdir='z', offset=1,
                levels=np.linspace(np.min(Z),np.max(Z),30),cmap='jet')
#see [1]
plt.show()

#################################################
#  but now trying to plot a vertical slice....  #
#################################################

plt.close('all')
fig = plt.figure()
ax = fig.gca(projection='3d')

Z=varone[::-1,:,-1]
X = np.linspace(-5, 5, 28)
Y = np.linspace(-5, 5, 75)
X, Y = np.meshgrid(X, Y)

#this 'projection' doesn't result in what I want, I really just want to rotate it
cset = ax.contourf(X, Y, Z, offset=5,zdir='x',
                levels=np.linspace(np.min(Z),np.max(Z),30),cmap='jet')

#here's what it should look like....
ax=fig.add_subplot(1, 2,1)
cs1=ax.contourf(X,Y,Z,levels=np.linspace(np.min(Z),np.max(Z),30),cmap='jet')
#see [2]    
plt.show()

1 从这个例子中，顶部表面很容易绘制：

2 但我不确定如何绘制侧面。这个图的左侧是该截面应该看起来的样子（但是旋转了）...

欢迎尝试其他 Python 方法。我实际绘制的数据是地球物理学的 netcdf 文件。

- Chris

---

非常全面的mvce！谢谢 - Schorsch

Answer 1

您需要将数据分配到正确的轴上。之所以出现锯齿形是因为现在您位于x = const处，并且在z方向上进行振荡（从随机数据中生成，该数据在0和1之间）。
如果您在示例中以不同的方式分配矩阵，则最终会得到期望的结果：

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

plt.close('all')
fig = plt.figure()
ax = fig.gca(projection='3d')

X = np.linspace(-5, 5, 43)
Y = np.linspace(-5, 5, 28)
X, Y = np.meshgrid(X, Y)

varone=np.random.rand(75,28,43) * 5.0 - 10.0
Z=varone[0,:,:]

cset = [[],[],[]]

# this is the example that worked for you:
cset[0] = ax.contourf(X, Y, Z, zdir='z', offset=5,
                      levels=np.linspace(np.min(Z),np.max(Z),30),cmap='jet')

# now, for the x-constant face, assign the contour to the x-plot-variable:
cset[1] = ax.contourf(Z, Y, X, zdir='x', offset=5,
                      levels=np.linspace(np.min(Z),np.max(Z),30),cmap='jet')

# likewise, for the y-constant face, assign the contour to the y-plot-variable:
cset[2] = ax.contourf(X, Z, Y, zdir='y', offset=-5,
                      levels=np.linspace(np.min(Z),np.max(Z),30),cmap='jet')

# setting 3D-axis-limits:    
ax.set_xlim3d(-5,5)
ax.set_ylim3d(-5,5)
ax.set_zlim3d(-5,5)

plt.show()

结果看起来像这样：

- Schorsch

Answer 2

下面给出的答案并不完全令人满意。实际上，沿着x、y和z方向的平面会产生相同的场。

下面是一个函数，可以在每个平面上呈现正确的场。

import numpy as np
import matplotlib.pyplot as plt

def plot_cube_faces(arr, ax):
    """
    External faces representation of a 3D array with matplotlib

    Parameters
    ----------
    arr: numpy.ndarray()
        3D array to handle
    ax: Axes3D object
        Axis to work with
    """
    x0 = np.arange(arr.shape[0])
    y0 = np.arange(arr.shape[1])
    z0 = np.arange(arr.shape[2])
    x, y, z = np.meshgrid(x0, y0, z0)
    
    xmax, ymax, zmax = max(x0), max(y0), max(z0)
    vmin, vmax = np.min(arr), np.max(arr)

    ax.contourf(x[:, :, 0], y[:, :, 0], arr[:, :, -1].T,
                zdir='z', offset=zmax, vmin=vmin, vmax=vmax)
    ax.contourf(x[0, :, :].T, arr[:, 0, :].T, z[0, :, :].T,
                zdir='y', offset=0, vmin=vmin, vmax=vmax)
    ax.contourf(arr[-1, :, :].T, y[:, 0, :].T, z[:, 0, :].T,
                zdir='x', offset=xmax, vmin=vmin, vmax=vmax)

x0 = np.arange(30)
y0 = np.arange(20)
z0 = np.arange(10)
x, y, z = np.meshgrid(x0, y0, z0)
arr = (x + y + z) // 10

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
plot_cube_faces(arr, ax)
plt.show()

- Patrick