使用matplotlib surface_plot和facecolors的意外恒定颜色

Question

我正在绘制一个球体表面的函数。为了测试我的代码，我简单地绘制球面坐标phi除以pi。我得到了

出乎意料的是，球体的一半是相同的颜色，而另一半的颜色是不正确的（在phi = pi时，我应该得到1，而不是2）。如果我将数据数组除以2，问题就会消失。有人可以向我解释发生了什么吗？

以下是我使用的代码：

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

# prepare the sphere surface
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
phi = np.linspace(0,2*np.pi, 50)
theta = np.linspace(0, np.pi, 25)
x=np.outer(np.cos(phi), np.sin(theta))
y=np.outer(np.sin(phi), np.sin(theta))
z=np.outer(np.ones(np.size(phi)), np.cos(theta))

# prepare function to plot
PHI=np.outer(phi,np.ones(np.size(theta)))
THETA=np.outer(np.ones(np.size(phi)),theta)
data = PHI/np.pi

# plot
surface=ax.plot_surface(x, y, z, cstride=1, rstride=1, 
                        facecolors=cm.jet(data),cmap=plt.get_cmap('jet'))

# add colorbar
m = cm.ScalarMappable(cmap=surface.cmap,norm=surface.norm)
m.set_array(data)
plt.colorbar(m)
plt.show()

Answer 1

代码中有一点混乱。

• 指定facecolors时，没有理由提供色彩映射，因为不需要从色彩映射中检索面色。

• Colormaps的范围是0到1.您的数据范围是0到2.因此，一半的脸部颜色是相同的。因此，您首先需要将数据标准化为(0,1) - 范围，例如使用Normalize实例，然后您可以应用色彩映射。

  norm = plt.Normalize(vmin=data.min(), vmax=data.max()) 
  surface=ax.plot_surface(x, y, z, cstride=1, rstride=1, 
                          facecolors=cm.jet(norm(data)))
  

• 对于颜色条，您应该使用与绘图本身相同的颜色图和相同的标准化。

  m = cm.ScalarMappable(cmap=cm.jet,norm=norm)
  m.set_array(data)
  

完整代码：

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

# prepare the sphere surface
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
phi = np.linspace(0,2*np.pi, 50)
theta = np.linspace(0, np.pi, 25)
x=np.outer(np.cos(phi), np.sin(theta))
y=np.outer(np.sin(phi), np.sin(theta))
z=np.outer(np.ones(np.size(phi)), np.cos(theta))

# prepare function to plot
PHI=np.outer(phi,np.ones(np.size(theta)))
THETA=np.outer(np.ones(np.size(phi)),theta)
data = PHI/np.pi

# plot
norm = plt.Normalize(vmin=data.min(), vmax=data.max()) 
surface=ax.plot_surface(x, y, z, cstride=1, rstride=1, 
                        facecolors=cm.jet(norm(data)))

# add colorbar
m = cm.ScalarMappable(cmap=cm.jet,norm=norm)
m.set_array(data)
plt.colorbar(m)
plt.show()