(python) 绘制 3d 表面，颜色图为第 4 维，x,y,z 的函数

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一个单独的值数组中，并且每个坐标处的表面颜色是 x、y、z 的函数。 一种 numpy.pcolormesh 但在 4D 中，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)

在哪里

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)

确实sigma_los_beta是一个我单独评估的数组，它的形状为(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，我不能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

这个答案解决了 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 变量重塑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坐标区变量具有相同维度的二维数组。

下面是 3d 绘图的示例代码，其颜色图对应于 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）提到你应该标准化你的第四维数据。 似乎可以通过明确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。

Answer 2

非常感谢@Frik 的出色回答，它帮助我实现了 OP 要求的类似情节。

但是，我发现可以对代码进行一些简化，并且可能会引起人们的兴趣。 片段和下图。

import matplotlib.pyplot as plt
# This import registers the 3D projection, but is otherwise unused.
from mpl_toolkits.mplot3d import Axes3D  # noqa: F401 unused import
from mpl_toolkits.mplot3d.axes3d import get_test_data
import numpy as np
fig, ax = plt.subplots(subplot_kw={'projection': '3d'})
X, Y, Z = get_test_data(0.05)
C = np.linspace(-5, 5, Z.size).reshape(Z.shape)
scamap = plt.cm.ScalarMappable(cmap='inferno')
fcolors = scamap.to_rgba(C)
ax.plot_surface(X, Y, Z, facecolors=fcolors, cmap='inferno')
fig.colorbar(scamap)
plt.show()

最后，我还想评论一下@Frik 写的内容：

我引用的答案（和其他人）提到你应该标准化你的第四维数据。 似乎可以通过明确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。

我发现这个说法是不正确的。 事实上，如果看一下to_rgba ，就会发现有一个norm关键字，默认设置为True 。 这正是标准化发生的地方。 还包括以下声明：

如果 norm 为 False，则不执行输入数据的归一化，并假定它在 (0-1) 范围内。

您确实希望您的数据位于 (0-1) 中。

Answer 3

此代码基于 trisurf 演示http://matplotlib.org/examples/mplot3d/trisurf3d_demo.html

我添加了一个基于 SO Create own colormap using matplotlib and plot color scale的函数 make_colormap()

还添加了一个序列 w=tan(-x*y)，它基于该函数在灰度中生成颜色图。
您可以使用 cdict 的构造来为其添加更多颜色，但我认为灰度是一个很好的概念证明......

抱歉，由于缺少最少的工作代码，我无法直接使用您的示例。

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

###################

def make_colormap(seq):
    """Return a LinearSegmentedColormap
    seq: a sequence of floats and RGB-tuples. The floats should be increasing
    and in the interval (0,1).
    """
    #%
    cdict = {'red': [], 'green': [], 'blue': []}

    # make a lin_space with the number of records from seq.     
    x = np.linspace(0,1, len(seq))
    #%
    for i in range(len(seq)):
        segment = x[i]
        tone = seq[i]
        cdict['red'].append([segment, tone, tone])
        cdict['green'].append([segment, tone, tone])
        cdict['blue'].append([segment, tone, tone])
    #%
    return mcolors.LinearSegmentedColormap('CustomMap', cdict)


#############################



n_angles = 36
n_radii = 8

# An array of radii
# Does not include radius r=0, this is to eliminate duplicate points
radii = np.linspace(0.125, 1.0, n_radii)

# An array of angles
angles = np.linspace(0, 2*np.pi, n_angles, endpoint=False)

# Repeat all angles for each radius
angles = np.repeat(angles[...,np.newaxis], n_radii, axis=1)

# Convert polar (radii, angles) coords to cartesian (x, y) coords
# (0, 0) is added here. There are no duplicate points in the (x, y) plane
x = np.append(0, (radii*np.cos(angles)).flatten())
y = np.append(0, (radii*np.sin(angles)).flatten())

# Pringle surface
z = np.sin(-x*y)



w = np.tan(-x*y)
colors = make_colormap(w)



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

ax.plot_trisurf(x, y, z, cmap=colors, linewidth=0.2)

plt.show()

Answer 4

截至 2022 年 5 月，该问题的前三个答案各有不同的问题。 我发现matplotlib 3.5.0 文档中提供的示例要简单得多，并且实际上可以按预期使用facecolors类计算带有阴影的LightSource 。

只需覆盖传递给ls.shade的特定z ：

from matplotlib import cbook
from matplotlib import cm
from matplotlib.colors import LightSource
import matplotlib.pyplot as plt
import numpy as np

# Load and format data
dem = cbook.get_sample_data('jacksboro_fault_dem.npz', np_load=True)
z = dem['elevation']
nrows, ncols = z.shape
x = np.linspace(dem['xmin'], dem['xmax'], ncols)
y = np.linspace(dem['ymin'], dem['ymax'], nrows)
x, y = np.meshgrid(x, y)

region = np.s_[5:50, 5:50]
x, y, z = x[region], y[region], z[region]

# Set up plot
fig, ax = plt.subplots(subplot_kw=dict(projection='3d'))

ls = LightSource(270, 45)
# To use a custom hillshading mode, override the built-in shading and pass
# in the rgb colors of the shaded surface calculated from "shade".
rgb = ls.shade(z, cmap=cm.gist_earth, vert_exag=0.1, blend_mode='soft')
surf = ax.plot_surface(x, y, z, rstride=1, cstride=1, facecolors=rgb,
                       linewidth=0, antialiased=False, shade=False)

plt.show()