使用 matplotlib 在给定域上绘制 3 维函数答案

【问题标题】：Plotting function of 3 dimensions over given domain with matplotlib使用 matplotlib 在给定域上绘制 3 维函数
【发布时间】：2015-02-19 14:24:09
【问题描述】：

我试图在 R^3 的立方体上可视化 3 个参数的函数，以了解函数的平滑度。下面的示例代码展示了这个问题的一个例子

%pylab
from mpl_toolkits.mplot3d import Axes3D
import itertools

x = np.linspace(0,10,50)
y = np.linspace(0,15,50)
z = np.linspace(0,8,50)

points = []
for element in itertools.product(x, y, z):
    points.append(element)

def f(vals):
    return np.cos(vals[0]) + np.sin(vals[1]) + vals[2]**0.5

fxyz = map(f, points)
xi, yi, zi = zip(*points)

fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111, projection='3d')
ax.scatter(xi, yi, zi, c=fxyz, alpha=0.5)
plt.show()

这种方法的问题是立方体的内部无法可视化。有没有更好的方法在 R^3 的某个密集子集上绘制函数？

【问题讨论】：

我建议你使用 Mayavi。
如前所述，使用其他软件（如 Mayavi）是一个更好的选择。可以使用的两种技术是：等值曲面和体积渲染。
@HYRY 谢谢，这正是我想要的

标签： python matplotlib data-visualization mayavi

【解决方案1】：

正如上面 cmets 中的 @HYRY 和 @nicoguaro 所建议的，Mayavi 更适合这种类型的工作。有一组很好的示例here 我用作参考。这是我想出的

import numpy as np
from mayavi import mlab

x = np.linspace(0,10,50)
y = np.linspace(0,15,50)
z = np.linspace(0,8,50)

X, Y, Z = np.meshgrid(x, y, z)

s = np.cos(X) + np.sin(Y) + Z**0.5
b1 = np.percentile(s, 20)
b2 = np.percentile(s, 80)
mlab.pipeline.volume(mlab.pipeline.scalar_field(s), vmin=b1, vmax=b2)
mlab.axes()
mlab.show()

之后，我使用 GUI 将图形旋转到所需的角度并保存了所需的视图

【讨论】：