Python numpy matplotlib mplot3d中的线框连接方式错误

我正在尝试使用matplotlib在Python中创建一个3D线框

然而，当我开始实际的图形绘制时，线框以错误的方式连接，如下图所示

如何强制matplotlib沿特定轴连接线框

我的代码如下：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d

def rossler(x_n, y_n, z_n, h, a, b, c):
#defining the rossler function
x_n1=x_n+h*(-y_n-z_n)
y_n1=y_n+h*(x_n+a*y_n)
z_n1=z_n+h*(b+z_n*(x_n-c))   
return x_n1,y_n1,z_n1

#defining a, b, and c
a = 1.0/5.0
b = 1.0/5.0
c = 5

#defining time limits and steps
t_0 = 0
t_f = 32*np.pi
h = 0.01
steps = int((t_f-t_0)/h)

#3dify
c_list = np.linspace(5,10,6)
c_size = len(c_list)
c_array = np.zeros((c_size,steps))

for i in range (0, c_size):
    for j in range (0, steps):
        c_array[i][j] = c_list[i]

#create plotting values
t = np.zeros((c_size,steps))
for i in range (0, c_size):
    t[i] = np.linspace(t_0,t_f,steps)
x = np.zeros((c_size,steps))
y = np.zeros((c_size,steps))
z = np.zeros((c_size,steps))
binvar, array_size = x.shape

#initial conditions
x[0] = 0
y[0] = 0
z[0] = 0

for j in range(0, c_size-1):
    for i in range(array_size-1):
        c = c_list[j]
        #re-evaluate the values of the x-arrays depending on the initial conditions
        [x[j][i+1],y[j][i+1],z[j][i+1]]=rossler(x[j][i],y[j][i],z[j][i],t[j][i+1]-t[j][i],a,b,c)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_wireframe(t,x,c_array, rstride=10, cstride=10)
plt.show()

我将此作为输出：

另一角度的相同输出：

---

而我希望线框沿着波峰连接。很抱歉，我不能给你一张我想看的图片，这是我的问题，但我想它更像是教程中的图片。

我不确定你到底想实现什么，但我认为它行不通

以下是逐层打印（不填充和填充）时数据的外观：

您正在尝试将其绘制为线框绘制。以下是线框图的外观，如下所示：

请注意巨大的区别：线框图本质上是一个正确的曲面图，唯一的区别是曲面的面是完全透明的。这也意味着您只能打印

形式为z（x，y）的单值函数

在矩形网格上指定（至少在拓扑上）

您的数据既不是直线也不是直线：您的点是沿着直线给出的，并且它们相互叠加在一起，因此这不可能是可以打印的单个曲面

如果你只是想将你的函数形象化，下面是我绘制上图的方式：

from mpl_toolkits.mplot3d.art3d import Poly3DCollection

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
for zind in range(t.shape[0]):
    tnow,xnow,cnow = t[zind,:],x[zind,:],c_array[zind,:]
    hplot = ax.plot(tnow,xnow,cnow)

    # alternatively fill:
    stride = 10
    tnow,xnow,cnow = tnow[::stride],xnow[::stride],cnow[::stride]
    slice_from = slice(None,-1)
    slice_to = slice(1,None)
    xpoly = np.array([tnow[slice_from],
                      tnow[slice_to],
                      tnow[slice_to],
                      tnow[slice_from]]
                      ).T
    ypoly = np.array([xnow[slice_from],
                      xnow[slice_to],
                      np.zeros_like(xnow[slice_to]),
                      np.zeros_like(xnow[slice_from])]
                      ).T
    zpoly = np.array([cnow[slice_from],
                      cnow[slice_to],
                      cnow[slice_to],
                      cnow[slice_from]]
                      ).T

    tmppoly = [tuple(zip(xrow,yrow,zrow)) for xrow,yrow,zrow in zip(xpoly,ypoly,zpoly)]
    poly3dcoll = Poly3DCollection(tmppoly,linewidth=0.0)
    poly3dcoll.set_edgecolor(hplot[0].get_color())
    poly3dcoll.set_facecolor(hplot[0].get_color())
    ax.add_collection3d(poly3dcoll)

plt.xlabel('t')
plt.ylabel('x')
plt.show()

还有一个选项：切换坐标轴，使（x，t）对对应于垂直平面而不是水平平面。在这种情况下，各种

c

值的函数绘制在平行平面上。这允许正确使用线框图，但由于函数在不同的时间步中具有极值，因此结果与原始图一样混乱。您可以尝试沿

t

轴使用很少的绘图，并希望极值接近。这种方法需要太多的猜测，所以我没有亲自尝试。可以将每个函数绘制为填充曲面，但：

from matplotlib.collections import PolyCollection

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
for zind in range(t.shape[0]):
    tnow,xnow,cnow = t[zind,:],x[zind,:],c_array[zind,:]
    hplot = ax.plot(tnow,cnow,xnow)
    # alternative to fill:
    stride = 10
    tnow,xnow,cnow = tnow[::stride],xnow[::stride],cnow[::stride]
    slice_from = slice(None,-1)
    slice_to = slice(1,None)
    xpoly = np.array([tnow[slice_from],
                      tnow[slice_to],
                      tnow[slice_to],
                      tnow[slice_from]]
                      ).T
    ypoly = np.array([xnow[slice_from],
                      xnow[slice_to],
                      np.zeros_like(xnow[slice_to]),
                      np.zeros_like(xnow[slice_from])]
                      ).T
    tmppoly = [tuple(zip(xrow,yrow)) for xrow,yrow in zip(xpoly,ypoly)]
    polycoll = PolyCollection(tmppoly,linewidth=0.5)
    polycoll.set_edgecolor(hplot[0].get_color())
    polycoll.set_facecolor(hplot[0].get_color())
    ax.add_collection3d(polycoll,zdir='y',zs=cnow[0])
    hplot[0].set_color('none')

ax.set_xlabel('t')
ax.set_zlabel('x')
plt.show()

这会导致如下结果：

然而，有几件事需要注意

由于缺乏深度信息，三维散点图和线图很难理解。您可能以一种根本错误的方式来处理可视化问题：也许您可以使用其他选项来可视化数据

即使您像我展示的那样绘制，您也应该知道matplotlib在历史上一直无法正确绘制复杂的3d对象。现在，我所说的“适当”是指“具有物理上合理的视深度”，请参见对这一点的准确描述。问题的核心是matplotlib将每个3d对象投影到2d，并在sreen上一个接一个地绘制这些煎饼。有时，声称的煎饼的绘制顺序与它们的实际相对深度不符，这导致了对人类来说非常明显且看起来不可思议的人工制品。如果你仔细看看这篇文章中的第一个填充图，你会发现金色的平面图在洋红的后面，即使它应该在上面。类似的事情经常发生在和

当你说“对不起，我不能给你一个我想看的图像，这是我的问题”时，你大错特错了。这不仅仅是你的问题。在你的头脑中，你想要达到的目标可能非常清晰，但除非你非常清楚地描述你在头脑中看到的东西，否则外部世界将不得不求助于猜测。通过尽可能提供信息，你可以让别人和你自己的工作变得更容易

---

如果我明白了，你想用多边形链接这6条轨迹。您可以通过2乘2对记录道进行三角剖分，然后打印没有边或反对齐的曲面来实现这一点。也许选择一个好的颜色贴图也会有所帮助

请记住，这将是一个非常沉重的阴谋。导出的SVG重量为10mb:）

以下是生成的图像：

---

尝试

scatter

将其分类。当我将绘图更改为

ax.scatter（x，y，z_数组，s=0.1）

时，我可以看到像6个堆叠的Roessler吸引子一样的东西挤入xy平面

import matplotlib.tri as mtri

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

for LineIndex in range(c_size-1):
    # If plotting all at once, you get a MemoryError. I'll plot each 6 points
    for Sample in range(0, array_size-1, 3):
        # I switched x and c_array, because the surface  and the triangles 
        # will look better by default
        X = np.concatenate([t[LineIndex,Sample:Sample+3], t[LineIndex+1,Sample:Sample+3]])
        Y = np.concatenate([c_array[LineIndex,Sample:Sample+3], c_array[LineIndex+1,Sample:Sample+3]])
        Z = np.concatenate([x[LineIndex,Sample:Sample+3], x[LineIndex+1,Sample:Sample+3]])
        T = mtri.Triangulation(X, Y)

        ax.plot_trisurf(X, Y, Z, triangles=T.triangles, edgecolor='none', antialiased=False)

ax.set_xlabel('t')
ax.set_zlabel('x')
plt.savefig('Test.png', format='png', dpi=600)
plt.show()