python - 使用颜色图作为第四维(x、y、z 的函数)绘制 3D 表面

Question

我正在尝试绘制一个 3d 表面，其中三个维度中的每一个都位于单独的值数组中，并且每个坐标处的表面颜色是 x、y、z 的函数。一种 numpy.pcolormesh，但是 4D，而不是 3D。3D 图由下式给出:

from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
fig = plt.figure()
ax = fig.gca(projection='3d')
x = np.logspace(-1.,np.log10(5),50)
y = np.linspace(6,9,50)
z = np.linspace(-1,1,50)
colors = LikeBeta(y,range(50),range(50))
ax.plot_trisurf(x,y,z,cmap=colors,linewidth=0.2)

哪里

def LikeBeta(rho0,r0,beta):
    M0 = 10**rho0*r0_array[r0]**3
    I = cst*M0*sigma_los_beta[beta,:,r0]
    S = dv**2+I
    res = (np.log(S) + (v-u)**2/S).sum()
    return res/2.

可能cmap=colors是错误的，但问题出在其他地方。我收到以下错误:

----> 8 colors = LikeBeta(y,range(50),range(50))
----> 4     I = cst*M0*sigma_los_beta[beta,:,r0]
    ValueError: operands could not be broadcast together with shapes (50,) (50,353)

事实上，sigma_los_beta 是一个我单独计算的数组，形状为 (50,353,50)，而这 353 个是我必须拥有的数据。

如何将此函数转换为与 plot_trisurf 的其他条目兼容的形式？

抱歉，但我无法提供最小的工作代码，因为 dv、v 和 u 是数据。非常感谢您的帮助。干杯

Answer 1

This答案解决了 4d 曲面图问题。它使用 matplotlib 的 plot_surface 函数而不是 plot_trisurf。

基本上，您希望将 x、y 和 z 变量 reshape 为相同维度的二维数组。要将第四个维度添加为颜色图，您必须提供另一个与轴变量维度相同的二维数组。

下面是 3D 绘图的示例代码，其中颜色图对应于 x 值。 Facecolors 参数用于根据您的喜好更改颜色图。请注意，它的值是从 matplotlib.cm.ScalarMappable 类中的 to_rgba() 函数获取的。

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

# domains
x = np.logspace(-1.,np.log10(5),50) # [0.1, 5]
y = np.linspace(6,9,50)             # [6, 9]
z = np.linspace(-1,1,50)            # [-1, 1]

# convert to 2d matrices
Z = np.outer(z.T, z)        # 50x50
X, Y = np.meshgrid(x, y)    # 50x50

# fourth dimention - colormap
# create colormap according to x-value (can use any 50x50 array)
color_dimension = X # change to desired fourth dimension
minn, maxx = color_dimension.min(), color_dimension.max()
norm = matplotlib.colors.Normalize(minn, maxx)
m = plt.cm.ScalarMappable(norm=norm, cmap='jet')
m.set_array([])
fcolors = m.to_rgba(color_dimension)

# plot
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(X,Y,Z, rstride=1, cstride=1, facecolors=fcolors, vmin=minn, vmax=maxx, shade=False)
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
fig.canvas.show()

我引用的答案(和其他人)提到你应该规范你的第四维数据。看来可以通过显式设置颜色图的限制来避免这种情况，就像我在代码示例中所做的那样。