（python）繪製三維表面作爲第四維，colormap作爲第四維，函數的x，y，z

Question

我試圖繪製一個3d表面，其中三個維度中的每個值分別表示顏色和每個座標是x，y，z的函數。一種numpy.pcolormesh，但在4D，而不是3D。 3D圖由下式給出：

from mpl_toolkits.mplot3d import Axes3D 
from matplotlib import cm 
fig = plt.figure() 
ax = fig.gca(projection='3d') 
x = np.logspace(-1.,np.log10(5),50) 
y = np.linspace(6,9,50) 
z = np.linspace(-1,1,50) 
colors = LikeBeta(y,range(50),range(50)) 
ax.plot_trisurf(x,y,z,cmap=colors,linewidth=0.2) 

其中

def LikeBeta(rho0,r0,beta): 
    M0 = 10**rho0*r0_array[r0]**3 
    I = cst*M0*sigma_los_beta[beta,:,r0] 
    S = dv**2+I 
    res = (np.log(S) + (v-u)**2/S).sum() 
    return res/2. 

也許cmap=colors是錯誤的，但問題不在於此。我得到以下錯誤：

----> 8 colors = LikeBeta(y,range(50),range(50)) 
----> 4  I = cst*M0*sigma_los_beta[beta,:,r0] 
    ValueError: operands could not be broadcast together with shapes (50,) (50,353) 

事實上sigma_los_beta是我單獨評估，並塑造(50,353,50)和那些353是我必須有數據的數組。

如何將此函數轉換爲與plot_trisurf其他條目兼容的表單？

對不起，但我不能提供一個最小的工作代碼，因爲dv，v和u是數據。 非常感謝您的幫助。乾杯

Answer 1

此代碼）的基礎上trisurf演示 http://matplotlib.org/examples/mplot3d/trisurf3d_demo.html

我添加了一個函數make_colormap（基於SO Create own colormap using matplotlib and plot color scale

還增加一個序列w = TAN（-x * Y），其產生基於該功能的色彩圖，灰度。
你可以玩cdict的結構來增加更多的顏色，但我認爲灰度是一個很好的概念證明...

對不起，我不能直接與你的例子，由於缺乏最小的工作代碼。

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

################### 

def make_colormap(seq): 
    """Return a LinearSegmentedColormap 
    seq: a sequence of floats and RGB-tuples. The floats should be increasing 
    and in the interval (0,1). 
    """ 
    #% 
    cdict = {'red': [], 'green': [], 'blue': []} 

    # make a lin_space with the number of records from seq.  
    x = np.linspace(0,1, len(seq)) 
    #% 
    for i in range(len(seq)): 
     segment = x[i] 
     tone = seq[i] 
     cdict['red'].append([segment, tone, tone]) 
     cdict['green'].append([segment, tone, tone]) 
     cdict['blue'].append([segment, tone, tone]) 
    #% 
    return mcolors.LinearSegmentedColormap('CustomMap', cdict) 


############################# 



n_angles = 36 
n_radii = 8 

# An array of radii 
# Does not include radius r=0, this is to eliminate duplicate points 
radii = np.linspace(0.125, 1.0, n_radii) 

# An array of angles 
angles = np.linspace(0, 2*np.pi, n_angles, endpoint=False) 

# Repeat all angles for each radius 
angles = np.repeat(angles[...,np.newaxis], n_radii, axis=1) 

# Convert polar (radii, angles) coords to cartesian (x, y) coords 
# (0, 0) is added here. There are no duplicate points in the (x, y) plane 
x = np.append(0, (radii*np.cos(angles)).flatten()) 
y = np.append(0, (radii*np.sin(angles)).flatten()) 

# Pringle surface 
z = np.sin(-x*y) 



w = np.tan(-x*y) 
colors = make_colormap(w) 



fig = plt.figure() 
ax = fig.gca(projection='3d') 

ax.plot_trisurf(x, y, z, cmap=colors, linewidth=0.2) 

plt.show() 

Answer 2

This回答解決了4D面積的問題。它使用matplotlib的plot_surface函數而不是plot_trisurf。

基本上你想要將你的x，y和z變量重塑成同一維度的二維數組。要將第四維添加爲色彩映射表，您必須提供與您的軸變量維度相同的另一個二維數組。

下面是帶有對應於x值的顏色圖的3d圖的示例代碼。 facecolors參數用於根據您的喜好更改顏色映射。請注意，其值是從matplotlib.cm.ScalarMappable類中的to_rgba()函數獲取的。

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

# domains 
x = np.logspace(-1.,np.log10(5),50) # [0.1, 5] 
y = np.linspace(6,9,50)    # [6, 9] 
z = np.linspace(-1,1,50)   # [-1, 1] 

# convert to 2d matrices 
Z = np.outer(z.T, z)  # 50x50 
X, Y = np.meshgrid(x, y) # 50x50 

# fourth dimention - colormap 
# create colormap according to x-value (can use any 50x50 array) 
color_dimension = X # change to desired fourth dimension 
minn, maxx = color_dimension.min(), color_dimension.max() 
norm = matplotlib.colors.Normalize(minn, maxx) 
m = plt.cm.ScalarMappable(norm=norm, cmap='jet') 
m.set_array([]) 
fcolors = m.to_rgba(color_dimension) 

# plot 
fig = plt.figure() 
ax = fig.gca(projection='3d') 
ax.plot_surface(X,Y,Z, rstride=1, cstride=1, facecolors=fcolors, vmin=minn, vmax=maxx, shade=False) 
ax.set_xlabel('x') 
ax.set_ylabel('y') 
ax.set_zlabel('z') 
fig.canvas.show() 

我引用（和其他人）的回答中提到，您應該正常化的第四維的數據。看起來，這可以通過像我在代碼示例中那樣顯式設置色彩圖的限制來避免。