使用来自python中不同大小网格点的数据生成三维曲面图

Question

我学会了从this问题中合并python中两个矩形的网格网格点。合并的网格点是：

这里每个网格点都包含它们各自的值，我想绘制它的三维表面图。对于完整网格（没有空白点），我写下以下代码：

＆＃13;

＆＃13;

fig = plt.figure()
ax = fig.add_subplot(111, projection = '3d')
x=np.arange(0,10,1)
y=np.arange(0,12,1)
X, Y = np.meshgrid(x,y)
print (Y)
Z = gridValue.reshape(X.shape)
cset = ax.pcolormesh(X, Y, Z, cmap=cm.coolwarm, linewidth =0, antialiased = False)
ax.clabel(cset, fontsize=9, inline=1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('σ ')
fig.colorbar(cset, shrink=0.5, aspect =5)
plt.show()

＆＃13;

＆＃13;

＆＃13;

当我尝试用上面的代码绘制网格值（80分）时，我得到一个明显的错误：

ValueError: cannot reshape array of size 80 into shape (12,10)

我期待下面的图（不完全相似但不相似）作为最终的三维表面图：

我如何绘制三维表面图是我的情况？

谢谢。

编辑：我尝试使用以下代码段进行绘图：

＆＃13;

＆＃13;

fig = plt.figure()
ax = fig.add_subplot(111, projection = '3d')
x1=np.arange(0,2,1)
x2 = np.arange(0,10,1)
y1 =np.arange(0,5,1)
y2=np.arange(5,12,1)
Y1, X1 = np.meshgrid(x1,y1)
Y2, X2 = np.meshgrid(x2,y2)
gridValue1 = gridValue[:10]
gridValue2 = gridValue[10:]
Z1 = gridValue1.reshape(X1.shape)
Z2 = gridValue2.reshape(X2.shape)
cset1 = ax.plot_surface(X1, Y1, Z1, cmap=cm.coolwarm, linewidth =0, antialiased = False)
cset2 = ax.plot_surface(X2, Y2, Z2, cmap=cm.coolwarm, linewidth =0, antialiased = False)
ax.clabel(cset1, fontsize=9, inline=1)
ax.clabel(cset2, fontsize=9, inline=1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('σ ')
plt.show()

＆＃13;

＆＃13;

＆＃13;

我的代码如下：

现在的问题是说明这个数字。颜色代码（高值的红色，低值的蓝色）不再有效。因为蓝色网格点的gridValues（在第一个图中）很高，所以它们中的大多数应该在表面图中具有红色。因此，合并两个单独的三维表面图并不能解决我的问题。请帮忙！

Answer 1

如果您的gridValue数组大于带有(12,10)的网格网格，则需要将gridValue插入到正确的形状中。 在你的情况下，因为我想你想要用80点绘制显示的形状，你需要为网格网格的形状构造gridValue的数组，然后将80个网格值分配给gridValue数组的正确位置，形状为(12,10)。如何完全分配完全取决于您拥有的信息，因此我不能帮助您。但是，例如考虑蓝色和绿色网格的y排序顺序分布：

gridValue_new = np.zeros_like(X)
gridValue_new[:, 0] = gridValue[:12]
gridValue_new[:, 1] = gridValue[12:24]
gridValue_new.reshape(-1)[:8, 2:] = gridValue[24:]

前两个标志分发点也可以使用reshape()重写。

如果要在2d中绘制它，请使用pcolormesh。 对于3d绘图，使用ax.plot_surface()将满足您的需求。 如果要在一个轴上绘制两个网格，请执行以下操作：

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt

X, Y = np.meshgrid(np.arange(0, 10, 1), np.arange(0, 12, 1))
X1 = X[5:, :]
Y1 = Y[5:, :]
X2 = X[0:5, 0:2]
Y2 = Y[0:5, 0:2]
Z1 = np.random.rand(7, 10)  # generating some random grid values
Z2 = np.random.rand(5, 2)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(X1, Y1, Z1)
ax.plot_surface(X2, Y2, Z2)

要获得正确的颜色条，请获取数组的最小/最大值：

vmin = gridValue.min()
vmax = gridValue.max()

并将两者作为参数传递给plot_surface()：

cset1 = ax.plot_surface(X1, Y1, Z1, cmap=cm.coolwarm, linewidth =0, antialiased = False, vmin=vmin, vmax=vmax)
cset2 = ax.plot_surface(X2, Y2, Z2, cmap=cm.coolwarm, linewidth =0, antialiased = False, vmin=vmin, vmax=vmax)

所以你的完整代码将如下所示：

fig = plt.figure()
ax = fig.add_subplot(111, projection = '3d')
x1=np.arange(0,2,1)
x2 = np.arange(0,10,1)
y1 =np.arange(0,5,1)
y2=np.arange(5,12,1)
Y1, X1 = np.meshgrid(x1,y1)
Y2, X2 = np.meshgrid(x2,y2)
gridValue1 = gridValue[:10]
gridValue2 = gridValue[10:]
Z1 = gridValue1.reshape(X1.shape)
Z2 = gridValue2.reshape(X2.shape)
vmin = gridValue.min()
vmax = gridValue.max()
cset1 = ax.plot_surface(X1, Y1, Z1, cmap=cm.coolwarm, linewidth =0, antialiased = False, vmin=vmin, vmax=vmax)
cset2 = ax.plot_surface(X2, Y2, Z2, cmap=cm.coolwarm, linewidth =0, antialiased = False, vmin=vmin, vmax=vmax)
ax.clabel(cset1, fontsize=9, inline=1)
ax.clabel(cset2, fontsize=9, inline=1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('σ ')
plt.show()