我正在尝试使用matplotlib:使用此站点的代码绘制3dSurface plots
X、 Y和Z如下所示：
from math import pi
from numpy import cos, meshgrid
alpha = 0.7
phi_ext = 2 * pi * 0.5
def flux_qubit_potential(phi_m, phi_p):
return 2 + alpha - 2 * cos(phi_p)*cos(phi_m) - alpha * cos(phi_ext - 2*phi_p)
phi_m = linspace(0, 2*pi, 100)
phi_p = linspace(0, 2*pi, 100)
X,Y = meshgrid(phi_p, phi_m)
Z = flux_qubit_potential(X, Y).T
三维绘图是用以下代码完成的：
from mpl_toolkits.mplot3d.axes3d import Axes3D
fig = plt.figure(figsize=(14,6))
# `ax` is a 3D-aware axis instance, because of the projection='3d' keyword argument to add_subplot
ax = fig.add_subplot(1, 2, 1, projection='3d')
p = ax.plot_surface(X, Y, Z, rstride=4, cstride=4, linewidth=0)
# surface_plot with color grading and color bar
ax = fig.add_subplot(1, 2, 2, projection='3d')
p = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm, linewidth=0, antialiased=False)
cb = fig.colorbar(p, shrink=0.5)
然而，如果我用X，Y，Z 3d数据(下面给出的示例(替换X，Y和Z，则会出现Z has to be 2 dimensional错误。如何使用常用的x、y、z值进行绘图，如下所示：
x y z
0 12 0 0.1
1 13 1 0.8
2 14 3 1.0
3 16 4 1.2
4 18 4 0.7
这是因为，在我看来，要绘制曲面，需要形成多边形网格。要绘制三维曲面，需要在xy平面上有小正方形，然后为所有x-y点都有1个相应的z值。正方形的面积越小，意味着网格越细，分辨率越高(表面看起来光滑。(现在，如果你有一组任意的xyz点，matplotlib可以如何确定要绘制的表面。这就是为什么需要网格。当然，你可以用你的数据绘制三维散点图或折线图。
在文档中，您会发现x、y和z需要一个2D数组。对于坐标x和y，您需要使用第一段代码中显示的numpy.meshgrid。这为每个坐标创建了一个2D阵列，其中x和y沿着另一个方向是恒定的，并且在其自己的方向上变化。
关于z，这也需要是2D阵列，因为Axes3D.surface_plot将2D阵列z的每个元素映射为由x和y定义的2D网格。
因此，当您使用自己的x、y和z时，请确保将numpy.meshgrid用于x和y，然后定义z=f(x，y((例如您显示的函数flux_qubit_potential(。
编辑：
在OP的评论之后，很明显，所需的输出是函数g为g=f(x，y，z(的图。这意味着CCD_ 24最终是一个3D阵列。要在等参曲面方面做到这一点，请查看以下答案。