我在一个值范围内有3个不同的参数X,Y和Z,对于这些值的每种组合,它们都具有一定的V值.为了更清楚一点,数据看起来像这样.

X  Y  Z  V
1  1  2  10
1  2  3  15
etc...

我想使用表面/轮廓图来可视化数据,使用V作为颜色来查看该点的值,但是我看不到如何使用Python将我的自定义着色方案添加到混合中.关于如何执行此操作的任何想法(或者此可视化完全愚蠢)？

非常感谢！

解决方法:

Matplotlib允许将facecolors作为参数传递给例如
ax.plot_surface.

这意味着您必须在自己的电脑上执行2D插值
当前的颜色数组,因为您当前仅在
矩形面的角(您确实提到您有一个直线
格).

你可以用
scipy.interpolate.interp2d
为此,但是正如您从文档中看到的,建议使用
scipy.interpolate.RectBivariateSpline.

给你一个简单的例子：

import numpy as np
y,x = np.mgrid[1:10:10j, 1:10:10j] # returns 2D arrays
# You have 1D arrays that would make a rectangular grid if properly reshaped.
y,x = y.ravel(), x.ravel()  # so let's convert to 1D arrays
z = x*(x-y)
colors = np.cos(x**2) - np.sin(y)**2

现在,我有一个与您相似的数据集(x,y,z和
颜色).请注意,颜色是为
每个点(x,y).但是,当您要使用plot_surface进行绘制时,
生成矩形斑块,其角由那些点给出.

因此,接着进行插值：

from scipy.interpolate import RectBivariateSpline
# from scipy.interpolate import interp2d # could 've used this too, but docs suggest the faster RectBivariateSpline

# Define the points at the centers of the faces:
y_coords, x_coords = np.unique(y), np.unique(x)
y_centers, x_centers = [ arr[:-1] + np.diff(arr)/2 for arr in (y_coords, x_coords)]

# Convert back to a 2D grid, required for plot_surface:
Y = y.reshape(y_coords.size, -1)
X = x.reshape(-1, x_coords.size)
Z = z.reshape(X.shape)
C = colors.reshape(X.shape)
#Normalize the colors to fit in the range 0-1, ready for using in the colormap:
C -= C.min()
C /= C.max()

interp_func = RectBivariateSpline(x_coords, y_coords, C.T, kx=1, ky=1) # the kx, ky define the order of interpolation. Keep it simple, use linear interpolation.

在最后一步中,您可能还已经使用过interp2d(with kind =’linear’
替换kx = 1,ky = 1).但是由于文档建议使用更快
RectBivariateSpline …

现在您可以绘制它了：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.cm as cm

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
r = ax.plot_surface(X,Y,Z,
    facecolors=cm.hot(interp_func(x_centers, y_centers).T),
    rstride=1,  cstride=1) # only added because of this very limited dataset

如您所见,面上的颜色与数据集的高度无关.

请注意,您可能以为只需将2D数组C传递给facecolors就可以了,而matplotlib不会抱怨.但是,结果是不准确的,因为matplotlib将仅使用C的一部分作为面色(它似乎忽略了C的最后一列和最后一行).这等效于仅使用由整个色块中一个坐标(例如,左上角)定义的颜色.

一种更简单的方法是让matplotlib进行插值并获取facecolor,然后将其传递给实际图：

r = ax.plot_surface(X,Y,C, cmap='hot') # first plot the 2nd dataset, i.e. the colors
fc = r.get_facecolors()
ax.clear()
ax.plot_surface(X, Y, Z, facecolors=fc)

但是,由于this recently submitted bug,在< = 1.4.1版本中将不起作用.