我正在尝试遵循网格网格+插值的 MATLAB 示例。示例代码已找到HERE。在该网站上，我正在查看以下示例：示例 – 在表面上显示不均匀数据.
Now, I would like to produce a similar plot in Python (Numpy + Matplotlib) to what is shown there in MATLAB. This is the plot that MATLAB produces:
我在 Python 中执行此操作时遇到问题。这是我在 Python 2.7 中的代码和输出：
from matplotlib.mlab import griddata
import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
x = np.random.rand(200)*16 - 8
y = np.random.rand(200)*16 - 8
r = np.sqrt(x**2 + y**2)
z = np.sin(r)/r
xi = np.linspace(min(x),max(x), 100)
yi = np.linspace(min(y),max(y), 200)
X,Y = np.meshgrid(xi,yi)
Z = griddata(x, y, z, X, Y, interp='linear')
fig = plt.figure()
ax = fig.gca(projection='3d')
surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1,cmap=cm.jet)
Here is the result of my attempt at doing this with matplotlib and NumPy.
.
有人可以帮我在 matplotlib 中重新创建 MATLAB 图（网格图或曲面图）吗？
因此，外观上的主要差异似乎与 matlab 绘制的默认行数有关，可以通过增加来调整rstride and cstride。就颜色而言，为了使颜色图正确缩放，在这种情况下最好设置限制，vmin and vmax因为当自动设置时，它会使用Z的最小值和最大值，但在这种情况下，它们都是nan，所以你可以使用np.nanmin and np.nanmax.
from matplotlib.mlab import griddata
import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
x = np.random.rand(200)*16 - 8
y = np.random.rand(200)*16 - 8
r = np.sqrt(x**2 + y**2)
z = np.sin(r)/r
xi = np.linspace(min(x),max(x), 100)
yi = np.linspace(min(y),max(y), 200)
X,Y = np.meshgrid(xi,yi)
Z = griddata(x, y, z, X, Y, interp='linear')
fig = plt.figure()
ax = fig.gca(projection='3d')
surf = ax.plot_surface(X, Y, Z, rstride=5, cstride=5, cmap=cm.jet, vmin=np.nanmin(Z), vmax=np.nanmax(Z), shade=False)
scat = ax.scatter(x, y, z)
不幸的是，在 matplotlib 中，我遇到了一些烦人的重叠/“剪切”问题，其中 Axes3d 并不总是正确确定对象应显示的顺序。
