python - 使用 Matplotlib 绘制二维数组

Question

所以我有一个二维数组(名为数据)，如下所示:

            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 3D 图，其中 ValueXXs 是 Z 轴。我尝试了两次尝试，但每次都给我一个相对于另一个旋转的表面，所以我让自己有点困惑。这是我第一次尝试解决方案:

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 确实没有帮助，因为它是正方形。我不确定 X 何时代表我的“比例”，何时代表我的“形状”。

那么，这两个例子到底发生了什么？有没有更好的方法来绘制这个数组？

谢谢!

Answer 1

如果我没理解错的话，混淆是哪个轴是哪个，对吧？如果是这种情况，您可以轻松绘制一个已知的不对称形状，该图会告诉您一切。例如采用an example from the gallery :

# 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()