Matplotlib：另一种颜色的形状内部

Question

考虑使用以下代码（只是下面的蓝色形状）获得的伪球形的图

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

    '''
    ==========================================
    Ploting S^n_1
    '''

    fig = plt.figure(figsize=plt.figaspect(1))  
    ax = fig.add_subplot(111, projection='3d')

    r=1
    u=np.linspace(-2,2,200)
    v=np.linspace(0,2*np.pi,60)
    [u,v]=np.meshgrid(u,v)

    a = 1
    b = 1
    c = 1

    x = a*np.cosh(u)*np.cos(v)
    y = b*np.cosh(u)*np.sin(v)
    z = c*np.sinh(u)

    ax.plot_surface(x, y, z,  rstride=4, cstride=4, color='#428bca')
    ax.set_axis_off()
    plt.show()

我发现发现形状的内部和外部之间的差异并不容易。因此，我想将内饰换成另一种颜色。有什么想法可以做到吗？

Answer 1

应用@Guimoute的建议，我想出了一些更容易阅读的东西。这是上面代码中唯一修改的行

ax.plot_surface(x, y, z,  rstride=4, cstride=4, color='#428bca', edgecolor='#003366')

我在其中添加了自变量edgecolor，以便在网格和形状的表面之间具有更大的对比度。结果如下：（我还将双曲线的蓝色/绿色更改为红色）

PS

（如果有其他人提出某些建议，我不会（只是）接受）作为答案。

Answer 2

由于matplotlib 3D无法执行大量实际3D操作。这里使用简单的技巧。曲面分为两部分，并用不同的颜色绘制。最后，仔细设置视角以渲染图像。

这是工作代码（根据您的代码）：

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

fig = plt.figure(figsize=plt.figaspect(1))
fig.set_size_inches([8,8])
ax = fig.add_subplot(111, projection='3d')

#r=1

# values for extents of meshes
begp = 0.25
endp = 1+begp
extp = endp+1

u = np.linspace(-2, 2, 200)
#v = np.linspace(0, 2*np.pi, 60)
v = np.linspace(begp*np.pi, endp*np.pi, 30)
[u,v] = np.meshgrid(u,v)

u2 = np.linspace(-2, 2, 200)
v2 = np.linspace(endp*np.pi, extp*np.pi, 30)
[uu2, vv2] = np.meshgrid(u2, v2)

a = 1
b = 1
c = 1

# surface 1
x = a*np.cosh(u)*np.cos(v)
y = b*np.cosh(u)*np.sin(v)
z = c*np.sinh(u)

# surface 2
x2 = a*np.cosh(uu2)*np.cos(vv2)
y2 = b*np.cosh(uu2)*np.sin(vv2)
z2 = c*np.sinh(uu2)

# plot surface 1 in red / surface 2 in blue
ax.plot_surface(x, y, z, rstride=4, cstride=4, color='red', edgecolor='gray')
ax.plot_surface(x2, y2, z2, rstride=4, cstride=4, color='blue', edgecolor='lightgray')

# set viewing angle + perspactive to get best image
ax.azim = 313   # z rotation (default=270)
ax.elev = 16    # x rotation (default=0)
ax.dist = 8    # zoom (define perspective)
ax.set_axis_off()
plt.show()

生成的图像：