Question

我试图在python中绘制曲面。我有一个N乘N值的表。我已经创建了N个元素的两个向量X和Y.当我试图绘制这个时，我收到一个错误：

ValueError: total size of new array must be unchanged

我已经检查过这些例子，我看到Z的N个元素有X和Y的N个元素。

这对我没有任何意义。为什么我需要N个元素而不是N个N？

以下是示例代码：

随机导入导入数学

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

bignum = 100

mat = []
X = []
Y = []

for x in range(0,bignum):
    mat.append([])
    X.append(x);
    for y in range (0,bignum):
        mat[x].append(random.random())
        Y.append(y)

fig = plt.figure(figsize=plt.figaspect(2.))
ax = fig.add_subplot(1,1,1, projection='3d')
surf = ax.plot_surface(X,Y,mat)

Answer 1

首先，不要做这样的事情：

mat = []
X = []
Y = []

for x in range(0,bignum):
    mat.append([])
    X.append(x);
    for y in range (0,bignum):
        mat[x].append(random.random())
        Y.append(y)

这相当于：

mat = np.random.random((bignum, bignum))
X, Y = np.mgrid[:bignum, :bignum]

...但它的速度要快几个数量级，并使用一小部分内存，使用列表然后转换为数组。

但是，您的示例效果很好。

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

bignum = 100
mat = np.random.random((bignum, bignum))
X, Y = np.mgrid[:bignum, :bignum]

fig = plt.figure()
ax = fig.add_subplot(1,1,1, projection='3d')
surf = ax.plot_surface(X,Y,mat)
plt.show()

enter image description here

如果你阅读plot_surface的文档，它清楚地说X，Y和Z应该是2D数组。

通过固有地定义点之间的连通性，您可以绘制更复杂的曲面（例如球体）。（例如，从matplotlib库中查看此示例：http://matplotlib.sourceforge.net/examples/mplot3d/surface3d_demo2.html）

如果您有1D X和Y阵列，并且想要2D网格中的简单曲面，则使用numpy.meshgrid或numpy.mgrid生成相应的X和Y 2D阵列。

修改只是为了解释mgrid和meshgrid做了什么，让我们来看看它们的输出：

print np.mgrid[:5, :5]

的产率：

array([[[0, 0, 0, 0, 0], [1, 1, 1, 1, 1], [2, 2, 2, 2, 2], [3, 3, 3, 3, 3], [4, 4, 4, 4, 4]], [[0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4]]])

因此，它返回一个形状为2x5x5的单个3D数组，但更容易将其视为两个2D数组。一个表示5x5网格上任何点的i坐标，而另一个表示j坐标。

由于python的解包方式有效，我们可以写：

xx, yy = np.mgrid[:5, :5]

Python并不关心mgrid返回的内容，它只会尝试将其解压缩为两个项目。因为numpy数组迭代它们的第一个轴的切片，所以如果我们解压缩形状为（2x5x5）的数组，我们将得到2,5x5数组。同样，我们可以做以下事情：

xx, yy, zz = np.mgrid[:5, :5, :5]

...并获得3个3D 5x5x5阵列的标记。此外，如果我们使用不同的范围进行切片（例如xx, yy = np.mgrid[10:15, 3:8]，则会将标记从10到14（包括）和3到7（包括）平铺。

mgrid还有一点（它可以采用复杂的步骤参数来模仿linspace，例如xx, yy = np.mgrid[0:1:10j, 0:5:5j]将返回2个10x5数组，数字在0-1和0-之间增加5，分别），但让我们跳到meshgrid一秒钟。

meshgrid采用两个数组并以与mgrid类似的方式对其进行切片。举个例子：

x = np.arange(5) y = np.arange(5) xx, yy = np.meshgrid(x, y) print xx, yy

的产率：

(array([[0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4]]), array([[0, 0, 0, 0, 0], [1, 1, 1, 1, 1], [2, 2, 2, 2, 2], [3, 3, 3, 3, 3], [4, 4, 4, 4, 4]]))

meshgrid实际上恰好返回了2个5x5 2D数组的元组，但这种区别并不重要。关键的区别在于，指标不必在特定方向上增加。它只是对给定的数组进行切片。举个例子：

x = [0.1, 2.4, -5, 19] y = [-4.3, 2, -1, 18.4] xx, yy = np.meshgrid(x, y)

的产率：

(array([[ 0.1, 2.4, -5. , 19. ], [ 0.1, 2.4, -5. , 19. ], [ 0.1, 2.4, -5. , 19. ], [ 0.1, 2.4, -5. , 19. ]]), array([[ -4.3, -4.3, -4.3, -4.3], [ 2. , 2. , 2. , 2. ], [ -1. , -1. , -1. , -1. ], [ 18.4, 18.4, 18.4, 18.4]]))

正如您将注意到的那样，它只是平铺了我们给它的值。

基本上，当您需要处理与输入网格形状相同的指标时，可以使用这些。当您想要评估网格值上的函数时，它非常有用。

E.g。

import numpy as np import matplotlib.pyplot as plt x, y = np.mgrid[-10:10, -10:10] dist = np.hypot(x, y) # Linear distance from point 0, 0 z = np.cos(2 * dist / np.pi) plt.title(r'$\cos(\frac{2*\sqrt{x^2 + y^2}}{\pi})$', size=20) plt.imshow(z, origin='lower', interpolation='bicubic', extent=(x.min(), x.max(), y.min(), y.max())) plt.colorbar() plt.show()

3d绘图与python

1 个答案: