Python ndency，需要改变坐标x=f（u，v），y=g（u，v），其中f，g将u，v的均匀分布转换为所需的x，y分布。然后使用（U，V）=np.meshgrid（U，V），X=f（U，V），Y=f（U，V）。这里排序的是参数u和v。这就是我在答案末尾提到的。我

---

ndency，需要改变坐标x=f（u，v），y=g（u，v），其中f，g将u，v的均匀分布转换为所需的x，y分布。然后使用（U，V）=np.meshgrid（U，V），X=f（U，V），Y=f（U，V）。这里排序的是参数u和v。这就是我在答案末尾提到的。我发现非常不直观的一件事是，如果我只是在二维网格上选择一些分布点（我想要的任何点），为什么会这样。为什么meshgrid不能使用类似于最近邻居的东西，并根据邻居连接曲面。排序似乎只是一种技巧，而不是真正问题的解决方案（我避免引用您的参数化u，v建议，因为我不理解它，我很抱歉，我希望我能理解它）。很抱歉，后续操作，但我怀疑排序只起作用，因为我考虑了均匀和完全随机地采样二维平面（即x和y坐标是独立的，因此p（x，y）=p（x）p（y））。在这种情况下，排序没有效果。但是如果x，y平面是一个特殊的样本，并且关心x，y的联合值，那么简单的排序仍然有效吗？我的直觉告诉我，我们可能仍然需要排序（以便正确显示绘图函数）但是在某种程度上保留对应的x，y对？或者我错了吗？否则我们可能会显示错误的（rand）函数。如果你要采样，比如说，正态分布，那么网格网格（x，y）就不适用于你：它为x数组中的每个值创建相同数量的点。独立性，p（x）p（y），内置于它的功能中。要对具有x-y相关性的分布进行建模，需要改变坐标x=f（u，v），y=g（u，v），其中f，g将u，v的均匀分布转换为所需的x，y分布。然后使用（u，v）=np.meshgrid（u，v）和x=f（u，v），y=f（u，v）.这里排序的是参数u和v。这是我在答案末尾提到的。我发现非常不直观的一点是，如果我只是在二维网格上选择一些分布的点（我想要的任何点），为什么会这样。为什么meshgrid不能使用类似于最近邻的东西并根据邻居连接曲面。排序似乎只是一种技巧，而不是真正问题的解决方案（我避免引用您的参数u，v建议，因为我不理解它，抱歉，我希望我理解它）。

start_val, end_val = -1,1
N = 100
x_range = np.linspace(start_val, end_val, N)
y_range = np.linspace(start_val, end_val, N)
(X,Y) = np.meshgrid(x_range, y_range)
Z = np.sin(2*np.pi*X) + 4*np.power(Y - 0.5, 2) #function height for the sake of an example

fig = plt.figure()
ax = fig.gca(projection='3d')
surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm)
plt.title('Original function')

plt.show()

start_val, end_val = -1,1
N = 100
x_range = np.random.uniform(low=start_val, high=end_val, size=N)
y_range = np.random.uniform(low=start_val, high=end_val, size=N)
(X,Y) = np.meshgrid(x_range, y_range)
Z = np.sin(2*np.pi*X) + 4*np.power(Y - 0.5, 2) #function height for the sake of an example