如何在python中2D变量的3D绘图功能？

Question

我正在尝试对多种阻尼类型的振动进行3D放大图绘制。为了让那些不知道它是什么的人简化它，基本上，您有3个变量：

• beta，它在0到无穷大之间变化，但我想以0.2的间隔将其从0可视化为3。
• 阻尼比d在0到无穷大之间变化，但我想以0.1的间隔将其从0绘制到1。
• 最后，nu是一个函数，它根据之前的两个变量而变化。

我的直觉说我应该用（X，Y，Z）=（beta，d，nu）来绘制这个图，但是我才刚刚开始使用这个库，我是python的新手，我只是使用它当我需要在课堂上可视化或计算问题时。我尝试为beta和d创建2个数组，但是我不知道应该为nu创建数组，因为它取决于这两个数组。

这是我到目前为止所拥有的代码：

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


nu = []
b = [0.1 + i / 100 for i in range(0, 510)]
damp = [0.1 + i/10 for i in range(0,510)]

for d in damp:
    nu_new = []
    nu.append(nu_new)
    for beta in b:
        nu_new.append( math.sqrt(1+(2*d*beta)**2)/ math.sqrt((1-beta**2)**2+(2*d*beta)**2))

fig = plt.figure()
ax = Axes3D(fig)
ax.plot(b, d, nu)
plt.show()

我有点想绘制这个图，所以如果您有任何建议，我会很高兴的。

Answer 1

您需要首先创建一个matplotlib figure。

fig = plt.figure()
ax = Axes3D(fig)
ax.plot(b, d, nu)
plt.show()

此外，所有变量的大小均应相同。因此，变量d的长度应与其他变量相同。

如果将变量d转换为长度为0.1的{​​{1}}数组，您将得到关注。

510

您得到：

Answer 2

这应该起作用： 我不是Python专家，尤其是两个for循环可能非常不适合Python，但可以完成工作。

import math
import matplotlib.pyplot as plt
import numpy as np

b = np.arange(0.2, 3.2, 0.2)
d = np.arange(0.1, 1.0, 0.1)
nu = np.zeros( (b.size, d.size) )
counter_y = 0

for deta in d:
    counter_x = 0
    for beta in b:
        nu[counter_x, counter_y] = math.sqrt( 1 + (2*deta*beta)**2 ) / math.sqrt( (1-beta**2)**2 + (2*deta*beta)**2)
        counter_x += 1
    counter_y += 1

X, Y = np.meshgrid(d, b)

fig = plt.figure()
ax = fig.add_subplot(111, projection = '3d')
ax.plot_surface(X, Y, nu)

Answer 3

如果您使用的是numpy，请不要使用math模块。 Numpy是所有内置的数学函数，但是它们在numpy数组上的工作要好得多。借助网格可以在所有b，d值上计算nu。

meshgrid可以获取2个1D数组，并返回2个2D数组，以便数组中的每个索引对应于原始1D数组中的一对唯一元素。

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

b = np.arange(0.2, 3.2, 0.2)
d = np.arange(0.1, 1.0, 0.1)

B, D = np.meshgrid(b, d)
nu = np.sqrt( 1 + (2*D*B)**2 ) / np.sqrt( (1-B**2)**2 + (2*D*B)**2)

fig = plt.figure()
ax = Axes3D(fig)
ax.plot_surface(B, D, nu)
plt.xlabel('b')
plt.ylabel('d')
plt.show()

这将产生：

此外，3D绘图往往会阻止查看所有数据（因为尖峰将数据隐藏在其后面）。我建议使用pcolormesh或Contourf图。在后一种情况下，最后6行变为：

plt.contourf(B, D, nu)
plt.colorbar()
plt.xlabel('b')
plt.ylabel('d')
plt.show()

产生：