Сглаженный Matplotlib Colormap в

Question

Я планировал четырехмерные данные для моей диссертации, используя цветную диаграмму на трехмерном графике, и столкнулся с осложнением. Похоже, что метод colormap, который я использую, усредняет значения в угловых точках, а затем окрашивает всю плиту на это значение. Это было бы хорошо, если бы у меня было большее разрешение, но мне понадобилось около месяца, чтобы запустить симуляции, чтобы получить мои текущие данные.

Может ли кто-нибудь предложить способ изменить это? Предпочтительно не путем кодирования моей собственной линейной интерполяции всех точек для увеличения разрешения. Это, наверное, больше усилий (для меня), чем это стоит на этом этапе.

Driven=np.zeros((5,9)) 
Driver=np.zeros((5,9)) 
Compositions=np.zeros((5,9)) 
Durations=np.zeros((5,9)) 
N=np.zeros((5,9)) 
for i in range(0,5): 
    for j in range(0,9): 
     Driven[i,j]=ReservoirData[i][1][j] 
     Compositions[i,j]=ReservoirData[i][2][j] 
     Driver[i,j]=float(ReservoirData[i][0][0][:-3]) 
     Durations[i,j]=ReservoirData[i][3][j] 
maxi=Durations.max() 
mini=Durations.min() 
for i in range(0,5): 
    for j in range(0,9): 
     N[i,j]=(Durations[i,j]-mini)/(maxi-mini) 

fig = plt.figure() 
ax = fig.gca(projection='3d') 

#Important Stuff Start---------------------------------------------------- 

surf = ax.plot_surface(Driven,Driver,Compositions, facecolors=cm.jet(N), rstride=1, cstride=1, antialiased=True) 
m = cm.ScalarMappable(cmap=cm.jet) 

#Important Stuff End--------------------------------------------------------- 

m.set_array(Durations) 
cbar=plt.colorbar(m, shrink=0.8) 
cbar.set_label('Nominal Duration') 
ax.set_ylabel('Driver Pressure, kPa') 
ax.set_xlabel('Compositions, %He') 
ax.set_zlabel('Driven Pressure, kPa') 
plt.title('Three Dimensional Representation of Tailored Conditions for RS at 9.2MPa') 
fig.set_size_inches(14,8) 
plt.savefig('RS9.2.png') 

Любые мнения приветствуются, спасибо!

Answer 1

На мой взгляд, matplotlib, скажем, не идеально подходит для выполнения 3D-графиков. Из-за проблем, подобных этому, я переключился на mayavi (link) для этой цели; он может уже помочь вам (и выглядит красиво!). В случае необходимости есть удобные инструменты интерполяции в scipy.interpolate, чтобы «увеличить» плотность данных, проверьте их here.

Я всегда отмечаю реальные данные измерений на поверхности интерполяции (только для 2D, хотя) для ясности; это может быть и для вас.