如何使用 Scipy 插入 2D 表面以进行 Matplotlib 渲染？答案

【问题标题】：How to interpolate a 2D surface using Scipy for Matplotlib rendering?如何使用 Scipy 插入 2D 表面以进行 Matplotlib 渲染？
【发布时间】：2021-08-23 12:05:13
【问题描述】：

给定一个使用 Matplotlib 显示的带有少量点的 2D 表面：

import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np

fig, ax = plt.subplots(subplot_kw={"projection": "3d"})

x = np.arange(0, 4, 1)
y = np.arange(0, 4, 1)
x, y = np.meshgrid(x, y)
z = np.array([
    [0, 1, 1, 0],
    [1, 2, 2, 1],
    [1, 3, 2, 1],
    [0, 1, 1, 0]])

surf = ax.plot_surface(x, y, z, cmap=cm.cool)
plt.show()

如何插入数据以使表面更平滑？理想情况下，我想使用样条插值（类似于this example）。因此，我尝试使用interpolate.bisplrep from Scipy，但遇到了各种TypeError: len(x)==len(y)==len(z) must hold 错误。如何准备数据？

【问题讨论】：

如果我没记错的话，这只是一个 2D 表面。
Matplotlib 将其称为 3D surface，而 Scipy 将其称为 2-D surface。不确定哪一个在技术上是正确的，因为我希望 2D 表面是平面。
我认为平面是表面的一种特殊情况。也可以有像你这里有的具有局部曲率的表面。我们所知道的表面是嵌入在 3D 空间中的 2D 对象。

标签： python numpy matplotlib scipy

【解决方案1】：

interpolate.bisplrep 要求使用meshgrid 排列x, y 边：

import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np
from scipy import interpolate

fig, ax = plt.subplots(subplot_kw={"projection": "3d"})

x = np.arange(0, 4, 1)
y = np.arange(0, 4, 1)
x, y = np.meshgrid(x, y)
z = np.array([
    [0, 1, 1, 0],
    [1, 2, 2, 1],
    [1, 3, 2, 1],
    [0, 1, 1, 0]])

# new grid is 40x40
xnew = np.linspace(0, 3, num=40)
ynew = np.linspace(0, 3, num=40)
tck = interpolate.bisplrep(x, y, z, s=0)
znew = interpolate.bisplev(xnew, ynew, tck)

xnew, ynew = np.meshgrid(xnew, ynew)

surf = ax.plot_surface(xnew, ynew, znew, cmap=cm.cool)
plt.show()

【讨论】：