我有一个 3 维 numpy 数组。我想（在 matplotlib 中）显示该数组的等值面的漂亮 3D 图（或更严格地说，显示通过在样本点之间插值定义的 3D 标量场的等值面）。
matplotlib 的 mplot3D 部分提供了很好的 3D 绘图支持，但是（据我所知）它的 API 没有任何东西可以简单地获取标量值的 3D 数组并显示等值面。但是，它确实支持显示多边形的集合，因此我想我可以实现行进立方体算法来生成此类多边形。
看起来很可能已经在某个地方实现了对 scipy 友好的行进立方体，但我还没有找到它，或者我缺少一些简单的方法来做到这一点。或者，我欢迎任何指向其他工具的指针，用于可视化可从 Python/numpy/scipy 世界轻松使用的 3D 数组数据。
只是为了详细说明我上面的评论，matplotlib 的 3D 绘图实际上并不适用于像等值面这样复杂的东西。它旨在为非常简单的 3D 绘图生成精美的、达到出版质量的矢量输出。它无法处理复杂的 3D 多边形，因此即使自己实现行进立方体来创建等值面，也无法正确渲染它。
但是，您可以做的是使用mayavi (it's mlab API比直接使用mayavi方便一点），它使用VTK处理和可视化多维数据。
作为一个简单的示例（根据 Mayavi 画廊示例之一修改）：
import numpy as np
from enthought.mayavi import mlab
x, y, z = np.ogrid[-10:10:20j, -10:10:20j, -10:10:20j]
s = np.sin(x*y*z)/(x*y*z)
src = mlab.pipeline.scalar_field(s)
mlab.pipeline.iso_surface(src, contours=[s.min()+0.1*s.ptp(), ], opacity=0.3)
mlab.pipeline.iso_surface(src, contours=[s.max()-0.1*s.ptp(), ],)
mlab.show()
