仅使用matplotlib绘制3D图形的一部分

Question

使用python的matplotlib绘制3d图形时出现问题。使用以下python函数，我得到了这个图：

在这里X，Y有孔栅格和Z和Z_的功能X和Y。C代表表面颜色。

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

def plot(X, Y, Z, Z_, C):
   fig = plt.figure()
   ax = fig.gca(projection='3d')
   surf = ax.plot_surface(
           X, Y, Z, rstride=1, cstride=1,
           facecolors=cm.jet(C),
           linewidth=0, antialiased=False, shade=False)
   surf_ = ax.plot_surface(
           X, Y, Z_, rstride=1, cstride=1,
           facecolors=cm.jet(C),
          linewidth=0, antialiased=False, shade=False)                    
   ax.view_init(elev=7,azim=45)
   plt.show()

但是现在我想水平切割该图，仅保留z在-1和2之间的部分。

我想要的，用gnu​​plot绘制的是这样的：

我尝试了ax.set_zlim3d和ax.set_zlim，但是它们都没有给我想要的数字。有人知道如何使用python吗？

Answer 1

你在那里有漂亮的圆锥形交叉点：）

您要尝试执行的操作应通过将Z要忽略的数据设置为来实现NaN。以石墨烯的紧密结合带结构为例：

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

# generate dummy data (graphene tight binding band structure)
kvec = np.linspace(-np.pi,np.pi,101)
kx,ky = np.meshgrid(kvec,kvec)
E = np.sqrt(1+4*np.cos(3*kx/2)*np.cos(np.sqrt(3)/2*ky) + 4*np.cos(np.sqrt(3)/2*ky)**2)

# plot full dataset
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(kx,ky,E,cmap='viridis',vmin=-E.max(),vmax=E.max(),rstride=1,cstride=1)
ax.plot_surface(kx,ky,-E,cmap='viridis',vmin=-E.max(),vmax=E.max(),rstride=1,cstride=1)



# focus on Dirac cones
Elim = 1  #threshold
E[E>Elim] = np.nan

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
#ax.plot_surface(kx2,ky2,E2,cmap='viridis',vmin=-Elim,vmax=Elim)
#ax.plot_surface(kx2,ky2,-E2,cmap='viridis',vmin=-Elim,vmax=Elim)
ax.plot_surface(kx,ky,E,cmap='viridis',rstride=1,cstride=1,vmin=-Elim,vmax=Elim)
ax.plot_surface(kx,ky,-E,cmap='viridis',rstride=1,cstride=1,vmin=-Elim,vmax=Elim)

plt.show()

结果如下：

不幸的是，第二种情况的渲染存在问题：在后一种情况下，数据的表观深度顺序被弄乱了：背景中的圆锥体在前面的圆锥体之前渲染（这在交互式绘图中更为清晰）
。问题在于，空洞比实际数据多，并且数据未连接，这使的渲染器感到困惑plot_surface。Matplotlib具有2d渲染器，因此3d可视化有点麻烦。这意味着对于复杂的重叠曲面，您经常会遇到渲染伪影（特别是两个简单连接的曲面彼此之间完全在后或完全在前面）。

我们可以通过做更多的工作来解决渲染错误：通过 不
使用nans来将数据保留在单个表面中，而是将表面着色为在我们不感兴趣的地方不可见。由于我们现在要绘制的曲面包括整个原始曲面，因此我们必须zlim手动设置才能专注于我们感兴趣的区域。对于以上示例：

from matplotlib.cm import get_cmap

# create a color mapping manually
Elim = 1  #threshold
cmap = get_cmap('viridis')
colors_top = cmap((E + Elim)/2/Elim) # listed colormap that maps E from [-Elim, Elim] to [0.0, 1.0] for color mapping
colors_bott = cmap((-E + Elim)/2/Elim) # same for -E branch
colors_top[E > Elim, -1] = 0 # set outlying faces to be invisible (100% transparent)
colors_bott[-E < -Elim, -1] = 0

# in nature you would instead have something like this:
#zmin,zmax = -1,1 # where to cut the _single_ input surface (x,y,z)
#cmap = get_cmap('viridis')
#colors = cmap((z - zmin)/(zmax - zmin))
#colors[(z < zmin) | (z > zmax), -1] = 0
# then plot_surface(x, y, z, facecolors=colors, ...)

# or for your specific case where you have X, Y, Z and C:
#colors = get_cmap('viridis')(C)
#colors[(z < zmin) | (z > zmax), -1] = 0
# then plot_surface(x, y, z, facecolors=colors, ...)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
# pass the mapped colours as the facecolors keyword arg
s1 = ax.plot_surface(kx, ky, E, facecolors=colors_top, rstride=1, cstride=1)
s2 = ax.plot_surface(kx, ky, -E, facecolors=colors_bott, rstride=1, cstride=1)
# but now we need to manually hide the invisible part of the surface:
ax.set_zlim(-Elim, Elim)

plt.show()

这是输出：

请注意，它看起来与早期的数字有些不同，因为之间相隔了3年，并且当前版本的matplotlib（3.0.2）具有非常不同（且更漂亮）的默认样式。尤其是，现在曲面图中的边缘是透明的。但是要点是渲染错误已消失，如果您开始在交互式绘图中旋转曲面，这是显而易见的。