使用matplotlib surface_plot和FaceColor的意外常量颜色

我在球面上画一个函数。为了测试我的代码，我只需绘制球坐标φ除以pi。我明白了

出乎意料的是，球体的一半具有相同的颜色，而另一半的颜色不正确（在phi=pi时，我应该得到1，而不是2）。如果我将数据数组除以2，问题就消失了。有人能给我解释一下发生了什么事吗

以下是我使用的代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D

# prepare the sphere surface
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
phi = np.linspace(0,2*np.pi, 50)
theta = np.linspace(0, np.pi, 25)
x=np.outer(np.cos(phi), np.sin(theta))
y=np.outer(np.sin(phi), np.sin(theta))
z=np.outer(np.ones(np.size(phi)), np.cos(theta))

# prepare function to plot
PHI=np.outer(phi,np.ones(np.size(theta)))
THETA=np.outer(np.ones(np.size(phi)),theta)
data = PHI/np.pi

# plot
surface=ax.plot_surface(x, y, z, cstride=1, rstride=1, 
                        facecolors=cm.jet(data),cmap=plt.get_cmap('jet'))

# add colorbar
m = cm.ScalarMappable(cmap=surface.cmap,norm=surface.norm)
m.set_array(data)
plt.colorbar(m)
plt.show()

---

代码中有一点混乱

• 指定

  facecolors

  时，没有理由提供颜色映射，因为不需要从颜色映射检索facecolors
• 颜色贴图的范围从0到1。您的数据范围从0到2。因此，一半的脸颜色是相同的。因此，首先需要将数据规格化为

  （0,1）

  -范围，例如使用

  规格化

  实例，然后可以应用颜色映射

  norm = plt.Normalize(vmin=data.min(), vmax=data.max()) 
  surface=ax.plot_surface(x, y, z, cstride=1, rstride=1, 
                          facecolors=cm.jet(norm(data)))
  

• 对于颜色条，您应该使用与绘图本身相同的颜色映射和规格化

  m = cm.ScalarMappable(cmap=cm.jet,norm=norm)
  m.set_array(data)
  

完整代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D

# prepare the sphere surface
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
phi = np.linspace(0,2*np.pi, 50)
theta = np.linspace(0, np.pi, 25)
x=np.outer(np.cos(phi), np.sin(theta))
y=np.outer(np.sin(phi), np.sin(theta))
z=np.outer(np.ones(np.size(phi)), np.cos(theta))

# prepare function to plot
PHI=np.outer(phi,np.ones(np.size(theta)))
THETA=np.outer(np.ones(np.size(phi)),theta)
data = PHI/np.pi

# plot
norm = plt.Normalize(vmin=data.min(), vmax=data.max()) 
surface=ax.plot_surface(x, y, z, cstride=1, rstride=1, 
                        facecolors=cm.jet(norm(data)))

# add colorbar
m = cm.ScalarMappable(cmap=cm.jet,norm=norm)
m.set_array(data)
plt.colorbar(m)
plt.show()