python的3D绘图

Question

我试图在python中绘制曲面。我有一个N乘N值的表格。我创建了N个元素中的两个向量X和Y。当我尝试绘图本，我得到一个错误：

ValueError: total size of new array must be unchanged 

我检查了例子，我看到那里，对于z的N个元素存在于X N个元素和Y

这没有按”对我来说没有任何意义。我怎么需要N个元素而不是N个N？

这里是一个示例代码：

进口随机 进口数学

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

bignum = 100 

mat = [] 
X = [] 
Y = [] 

for x in range(0,bignum): 
    mat.append([]) 
    X.append(x); 
    for y in range (0,bignum): 
     mat[x].append(random.random()) 
     Y.append(y) 

fig = plt.figure(figsize=plt.figaspect(2.)) 
ax = fig.add_subplot(1,1,1, projection='3d') 
surf = ax.plot_surface(X,Y,mat) 

Answer 1

首先，永远不要做这样的事情：

mat = [] 
X = [] 
Y = [] 

for x in range(0,bignum): 
    mat.append([]) 
    X.append(x); 
    for y in range (0,bignum): 
     mat[x].append(random.random()) 
     Y.append(y) 

这相当于：

mat = np.random.random((bignum, bignum)) 
X, Y = np.mgrid[:bignum, :bignum] 

...但它的速度要快几个数量级，并且使用一部分使用列表然后转换为数组的内存。

但是，您的示例完美地工作。

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

bignum = 100 
mat = np.random.random((bignum, bignum)) 
X, Y = np.mgrid[:bignum, :bignum] 

fig = plt.figure() 
ax = fig.add_subplot(1,1,1, projection='3d') 
surf = ax.plot_surface(X,Y,mat) 
plt.show() 

如果你读了plot_surface的文档，它清楚地说，X，Y和Z预计将二维数组。

这样就可以通过固有地定义点之间的连接来绘制更复杂的曲面（例如球体）。 （例如，参照这个例子从matplotlib库：http://matplotlib.sourceforge.net/examples/mplot3d/surface3d_demo2.html）

如果你有1D X和Y阵列，并且希望从2D网格简单的表面，然后用numpy.meshgrid或numpy.mgrid产生适当的X和Y二维数组。

编辑： 只是为了解释什么mgrid和meshgrid呢，让我们来看看它们的输出：

print np.mgrid[:5, :5] 

产量：

array([[[0, 0, 0, 0, 0], 
     [1, 1, 1, 1, 1], 
     [2, 2, 2, 2, 2], 
     [3, 3, 3, 3, 3], 
     [4, 4, 4, 4, 4]], 

     [[0, 1, 2, 3, 4], 
     [0, 1, 2, 3, 4], 
     [0, 1, 2, 3, 4], 
     [0, 1, 2, 3, 4], 
     [0, 1, 2, 3, 4]]]) 

因此，它返回一个单一的，3D阵列的形状为2x5x5，但更容易将其视为两个2D阵列。其中一个代表5×5网格上任意点的坐标，其他坐标代表j坐标。

由于蟒蛇的方式拆包作品中，我们可以这样写：

xx, yy = np.mgrid[:5, :5] 

Python并不关心到底是什么mgrid回报，它只是尝试将其解压缩到两个项目。由于numpy数组迭代其第一轴的切片，因此如果我们用（2x5x5）的形状对数组进行解压缩，则会得到2,5x5数组。同样，我们可以做这样的事情：

xx, yy, zz = np.mgrid[:5, :5, :5] 

...并获得3，三维5×5×indicies的阵列。此外，如果我们使用不同的范围切片（例如xx, yy = np.mgrid[10:15, 3:8]，它将平铺显示从10到14（含）和3到7（含）的指​​示

还有一点mgrid（它可能需要复杂的步骤参数模仿linspace，如xx, yy = np.mgrid[0:1:10j, 0:5:5j]将返回2个10x5阵列，分别为0-1和0-5之间越来越多），但是让我们跳过来meshgrid一秒钟。

meshgrid需要两个阵列和瓷砖它们以类似的方式例如：

x = np.arange(5) 
y = np.arange(5) 
xx, yy = np.meshgrid(x, y) 
print xx, yy 

个

产量：

(array([[0, 1, 2, 3, 4], 
     [0, 1, 2, 3, 4], 
     [0, 1, 2, 3, 4], 
     [0, 1, 2, 3, 4], 
     [0, 1, 2, 3, 4]]), 

array([[0, 0, 0, 0, 0], 
     [1, 1, 1, 1, 1], 
     [2, 2, 2, 2, 2], 
     [3, 3, 3, 3, 3], 
     [4, 4, 4, 4, 4]])) 

meshgrid实际发生的返回2，5x5的二维数组的一个元组，但这种区别并不重要。关键的区别在于指示不必在特定方向上增加。它只是平铺它给出的数组。举个例子：

x = [0.1, 2.4, -5, 19] 
y = [-4.3, 2, -1, 18.4] 
xx, yy = np.meshgrid(x, y) 

产量：

(array([[ 0.1, 2.4, -5. , 19. ], 
     [ 0.1, 2.4, -5. , 19. ], 
     [ 0.1, 2.4, -5. , 19. ], 
     [ 0.1, 2.4, -5. , 19. ]]), 
array([[ -4.3, -4.3, -4.3, -4.3], 
     [ 2. , 2. , 2. , 2. ], 
     [ -1. , -1. , -1. , -1. ], 
     [ 18.4, 18.4, 18.4, 18.4]])) 

正如你会发现，它只是平铺，我们给它的值。

基本上，当您需要使用与输入网格相同形状的标记时，可以使用这些标记。当你想要评估一个网格值的函数时，它非常有用。

例如

import numpy as np 
import matplotlib.pyplot as plt 

x, y = np.mgrid[-10:10, -10:10] 
dist = np.hypot(x, y) # Linear distance from point 0, 0 
z = np.cos(2 * dist/np.pi) 

plt.title(r'$\cos(\frac{2*\sqrt{x^2 + y^2}}{\pi})$', size=20) 
plt.imshow(z, origin='lower', interpolation='bicubic', 
      extent=(x.min(), x.max(), y.min(), y.max())) 
plt.colorbar() 
plt.show()