在matplotlib中抬起灯

Question

我有以下python代码：

import numpy as np
from matplotlib import pyplot as plt
plt.rcParams['figure.figsize'] = [12, 7]

n = 100
m = 100

X = np.arange(-n/2,n/2,1)
Y = np.arange(-m/2,m/2,1)
X, Y = np.meshgrid(X, Y)
    
landscape = np.exp(-0.01 * (X*X + Y*Y) )

fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
ax.plot_surface(X, Y, landscape,
                linewidth=0,
                antialiased=False
                )

在笔记本中运行此图像

如果您看起来非常近距离，您会看到高斯峰的左侧比右手轻一些边。但是，这种照明效果几乎看不见，我想增加它，以使3D形状很容易看到。

我知道 matplotlib.colors.colors.lightsource ，但是无论我做什么，我都无法得到我想要的效果。理想情况下，我只是想增加“默认”照明的强度，而不是解决这个问题。但是，如果有人可以解释如何将LightsOrce用于此图像也将有所帮助。

请注意，我不想将高度图应用于图像，也不想在其上绘制网格线 - 我只想在保持表面均匀的颜色的同时增加照明效果。

还值得一提的是，我有点困扰matplotlib，因为我使用 jupyterlite 要与未安装Python的学生分享笔记本，因此我需要一个解决方案的解决方案。

Answer 1

使用lightsource您可以做

import numpy as np
from matplotlib import pyplot as plt
from matplotlib.colors import LightSource

plt.rcParams['figure.figsize'] = [12, 7]

n = 100
m = 100

X = np.arange(-n / 2, n / 2, 1)
Y = np.arange(-m / 2, m / 2, 1)
X, Y = np.meshgrid(X, Y)

landscape = np.exp(-0.01 * (X * X + Y * Y))

fig, ax = plt.subplots(subplot_kw={"projection": "3d"})

# this is used to set the graph color to blue
blue = np.array([0., 0., 1.])
rgb = np.tile(blue, (landscape.shape[0], landscape.shape[1], 1))

ls = LightSource()
illuminated_surface = ls.shade_rgb(rgb, landscape)

ax.plot_surface(X, Y, landscape,
                linewidth=0,
                antialiased=False,
                facecolors=illuminated_surface)

如果要从右边的灯更改azdeg参数lightsource Creation

ls = LightSource(azdeg=80)

Parameters
    ----------
    azdeg : float, default: 315 degrees (from the northwest)
        The azimuth (0-360, degrees clockwise from North) of the light
        source.
    altdeg : float, default: 45 degrees
        The altitude (0-90, degrees up from horizontal) of the light
        source.

Answer 2

请记住，Matplotlib的3D功能相当有限，我建议使用其他库。 3D图的更好的库是：

• plotly ：以为我不会将其用于纯色表面，因为它具有一个奇怪的照明解决方案很难读取图。
• mayavi
• pyvista
• k3d-jupyter 内部jupyter笔记本）。

请记住，这些图书馆中的每个图书馆都具有其优势和缺点。

我将使用Mayavi复制您的示例，因为我将其安装在当前环境中：

import numpy as np
from mayavi import mlab

n = 100
m = 100

x, y = np.mgrid[-n/2:n/2:n*1j,-m/2:m/2:m*1j]
z = np.exp(-0.01 * (x**2 + y**2) )

surf = mlab.surf(x, y, z, warp_scale='auto', color=(0, 0.5, 1))
mlab.show()