在带有颜色条的 2d 图中绘制 3d 点 (x,y,z)

Plot 3d points (x,y,z) in 2d plot with colorbar

我已经以相当复杂的方式计算了很多 (~5000) 个 3d 点 (x,y,z),所以我没有满足 z = f(x,y) 的函数。我可以使用

绘制 3d 表面
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
X = surface_points[:,0]
Y = surface_points[:,1]
Z = surface_points[:,2]
fig = plt.figure()
ax = fig.add_subplot(projection='3d') 
surf = ax.plot_trisurf(X, Y, Z, cmap=cm.coolwarm, vmin=np.nanmin(Z), vmax=np.nanmax(Z))

我也想在 2d 中绘制它,用一个颜色条指示 z 值。如果我的 z 是矩阵,我知道有一个使用 ax.contour 的简单解决方案,但这里我只有一个向量。

附加 plot_trisurf 旋转到 xy 平面时的结果。这就是我想要在无需旋转 3d 图的情况下实现的目标。在此,我的变量 surface_points 是一个大小为 5024 x 3 的 np.array。

我的其中一个代码遇到了同样的问题,我是这样解决的:

import numpy as np
from scipy.interpolate import griddata
import matplotlib.pylab as plt
from matplotlib import cm

N = 10000
surface_points = np.random.rand(N,3)
X = surface_points[:,0]
Y = surface_points[:,1]
Z = surface_points[:,2]

nx = 10*int(np.sqrt(N))
xg = np.linspace(X.min(), X.max(), nx)
yg = np.linspace(Y.min(), Y.max(), nx)
xgrid, ygrid = np.meshgrid(xg, yg)
ctr_f = griddata((X, Y), Z, (xgrid, ygrid), method='linear')
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1) 
ax.contourf(xgrid, ygrid, ctr_f, cmap=cm.coolwarm)

plt.show()

您可以使用散点图显示 z 颜色在 x-y 轴上的投影。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
N = 10000
surface_points = np.random.rand(N,3)
X = surface_points[:,0]
Y = surface_points[:,1]
Z = surface_points[:,2]
# fig = plt.figure()
# ax = fig.add_subplot(projection='3d')
# surf = ax.plot_trisurf(X, Y, Z, cmap=cm.coolwarm, vmin=np.nanmin(Z), vmax=np.nanmax(Z))

fig = plt.figure()

cmap = cm.get_cmap('coolwarm')
color = cmap(Z)[..., :3]

plt.scatter(X,Y,c=color)

plt.show()

由于您的 3D 形状似乎是空心的,因此您可以将投影分成两部分,就像将形状分成两部分一样。

fig = plt.figure()
plt.subplot(121)
plt.scatter(X[Z<0.5],Y[Z<0.5],c=color[Z<0.5])
plt.title('down part')
plt.subplot(122)
plt.scatter(X[Z>=0.5],Y[Z>=0.5],c=color[Z>+0.5])
plt.title('top part')
plt.show()