绘制 3D 网格：

Question

我正在使用 Spyder Interface (Python 2.7) 对 PDE 进行数值求解。我将代码设置为根据位置和时间计算 U 的位置。 U 是我代码中的 [nxm] 矩阵，其中 n 是位置，m 是时间。所以在每个 U[n,m] 处，代码在第 m 次给出第 n 个位置。有没有一种方法可以利用这样的矩阵在 python 中制作网格图。我已经搜索过，但是例如 numpy 的网格只处理数组。谢谢。

[[ 1.20643447  1.20520185  1.20397894 ...,  1.04589795  1.04587534 1.04585286]
[ 1.40901699  1.40658211  1.4041664  ...,  1.09172525  1.09168043 1.09163586]
[ 1.6039905   1.6004133   1.59686428 ...,  1.13741248  1.13734625 1.1372804 ]..., 
[ 2.3960095   2.3995867   2.40313572 ...,  2.54969453  2.55003659 2.55037764]
[ 2.59098301  2.59341789  2.57981471 ...,  2.59750546  2.59785406 2.59820163]
[ 2.79356553  2.74473913  2.71231633 ...,  2.64640578  2.64675767 2.64710852]]

这些是 shell 向我吐槽的 U 的许多值。如您所见，我将处理 600 个不同的数组，因为矩阵设置为在特定时间和位置查找 U。总共需要 600 个时间步。

Answer 1

请尝试使用搜索功能；您可以在 Overflow 上的绘图表面上的许多其他线程中找到工作代码 here。

我想您可能在这里混淆了一些术语。您有一个值矩阵，对应于二维函数的值；这不是网格。在 matplotlib 中，您可以通过多种方式可视化三维矩阵，通常作为 surface, a wireframe, or an image（作为热图）。

函数 np.meshgrid() 为您提供 N 维索引。您的 n 和 m 向量需要这个，而不是矩阵 U，以便将它们变成与矩阵形状相同的多维数组。幸运的是，matplotlib 不关心 U 是矩阵还是向量。

例如 np.meshgrid():

>>> t = np.linspace(0,60,6000)
>>> x = np.linspace(0,2*np.pi,3600)
>>> T, X = np.meshgrid(t, x)
>>> t.shape
(6000,)
>>> x.shape
(3600,)
>>> T.shape
(3600, 6000)
>>> X.shape
(3600, 6000)

现在创建函数 U(x,t):

>>> U = np.matrix(x[:, np.newaxis] * t) # broadcast
>>> U.shape
(3600, 6000)

要绘制曲面，您可以使用 matplotlib 中 Axes3D 中的 surf 函数，但您也可以使用上面链接的线框或图像方法。

>>> import matplotlib.pyplot as plt
>>> import pylab
>>> from mpl_toolkits.mplot3d import Axes3D

>>> fig = plt.figure()
>>> ax = fig.gca(projection='3d')
>>> surf = ax.plot_surface(X,T,U)
>>> plt.show()

绘制 3D 网格：

Plotting a 3D Meshgrid:

numpy

matplotlib

python-2.7

spyder