我有 3 个不同的参数 X、Y 和 Z 在一个值范围内，并且对于这些的每个组合都有一个特定的 V 值。为了更清楚，数据看起来像这样。
X Y Z V
1 1 2 10
1 2 3 15
etc...
我想用表面/等高线图可视化数据，使用 V 作为颜色来查看其在该点的值，但我不知道如何使用 Python 将我的自定义着色方案添加到混合中。关于如何做到这一点的任何想法（或者这种可视化完全愚蠢）？
非常感谢！
【问题讨论】：
标签： python matplotlib plot mayavi 4d
Matplotlib 允许将 facecolors 作为参数传递给例如
ax.plot_surface.
这意味着您必须在您的 当前的颜色数组，因为您目前只有 矩形面的角（你确实提到你有一个直线 网格）。
你可以使用
scipy.interpolate.interp2d
为此，但正如您从文档中看到的那样，建议使用
scipy.interpolate.RectBivariateSpline.
举个简单的例子：
import numpy as np
y,x = np.mgrid[1:10:10j, 1:10:10j] # returns 2D arrays
# You have 1D arrays that would make a rectangular grid if properly reshaped.
y,x = y.ravel(), x.ravel() # so let's convert to 1D arrays
z = x*(x-y)
colors = np.cos(x**2) - np.sin(y)**2
现在我有一个和你类似的数据集（x, y, z 和
colors)。备注颜色是为
每个点 (x,y)。但是当你想用plot_surface 绘图时，你会
生成矩形块，其中的角由这些点给出。
那么，接着插值：
from scipy.interpolate import RectBivariateSpline
# from scipy.interpolate import interp2d # could 've used this too, but docs suggest the faster RectBivariateSpline
# Define the points at the centers of the faces:
y_coords, x_coords = np.unique(y), np.unique(x)
y_centers, x_centers = [ arr[:-1] + np.diff(arr)/2 for arr in (y_coords, x_coords)]
# Convert back to a 2D grid, required for plot_surface:
Y = y.reshape(y_coords.size, -1)
X = x.reshape(-1, x_coords.size)
Z = z.reshape(X.shape)
C = colors.reshape(X.shape)
#Normalize the colors to fit in the range 0-1, ready for using in the colormap:
C -= C.min()
C /= C.max()
interp_func = RectBivariateSpline(x_coords, y_coords, C.T, kx=1, ky=1) # the kx, ky define the order of interpolation. Keep it simple, use linear interpolation.
在最后一步中，您还可以使用interp2d（与kind='linear'
替换kx=1, ky=1)。但是由于文档建议使用更快的
RectBivariateSpline...
现在您可以绘制它了：
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.cm as cm
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
r = ax.plot_surface(X,Y,Z,
facecolors=cm.hot(interp_func(x_centers, y_centers).T),
rstride=1, cstride=1) # only added because of this very limited dataset
如您所见，脸上的颜色与数据集的高度无关。
请注意，您可能认为只需将 2D 数组 C 传递给 facecolors 即可，而 matplotlib 不会抱怨。但是，结果并不准确，因为 matplotlib 将仅使用 C 的一个子集作为面部颜色（它似乎忽略了 C 的最后一列和最后一行）。这相当于在整个补丁上仅使用一个坐标（例如左上角）定义的颜色。
一个更简单的方法是让 matplotlib 进行插值并获得面部颜色，然后将它们传递给真实的情节：
r = ax.plot_surface(X,Y,C, cmap='hot') # first plot the 2nd dataset, i.e. the colors
fc = r.get_facecolors()
ax.clear()
ax.plot_surface(X, Y, Z, facecolors=fc)
但是，由于this recently submitted bug，这在版本
【讨论】：
这实际上取决于您计划如何绘制这些数据。我喜欢用gnuplot 绘制图表：它简单、免费且直观。要使用gnuplot 绘制示例，您必须将这些行打印到文件中（只有这四列）并使用如下代码进行绘制
reset
set terminal png
set output "out.png"
splot "file.txt" using 1:2:3:4 with lines palette
假设您将数据保存到文件file.txt。 splot 代表曲面图。当然，这是一个最小的例子。
您也可以使用matplotlib，但在我看来，这并不直观。虽然它的优点是把所有的处理都集中在python中。
【讨论】：