Python matplotlib新手求助：如何绘制三维约束区域曲面图

核心思路 #

不用手动遍历每个点，利用numpy的向量化操作批量生成符合约束的网格点，再用matplotlib完成绘图。

基础曲面绘制（z=1-x-y的上边界） #

先补充必要的库导入，再基于你的初始代码修改：

import numpy as np
import matplotlib.pyplot as plt

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

# 生成x的采样点，增加点数让曲面更平滑
xs = np.linspace(0, 1, 50)
# 创建x和y的网格矩阵
xs, ys = np.meshgrid(xs, xs)

# 筛选出满足y ≤ 1-x的点，超出部分设为nan（绘图时自动忽略）
mask = ys > 1 - xs
zs = 1 - xs - ys
zs[mask] = np.nan

# 绘制曲面，cmap设置颜色映射
ax.plot_surface(xs, ys, zs, cmap='viridis')

# 设置坐标轴标签和标题
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('$z=1-x-y$ (with $x∈[0,1], y∈[0,1-x]$)')

plt.show()

完整约束区域展示（包含z∈[0,1-x-y]的空间） #

如果需要展示整个符合约束的三维区域，可以绘制四面体的四个边界面：

import numpy as np
import matplotlib.pyplot as plt

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

# 绘制z=0的面（xy平面上的三角形）
x_xy = np.linspace(0,1,50)
y_xy = 1 - x_xy
ax.plot_trisurf(x_xy, y_xy, np.zeros_like(x_xy), alpha=0.5, color='cornflowerblue')

# 绘制y=0的面（xz平面上的三角形）
x_xz = np.linspace(0,1,50)
z_xz = 1 - x_xz
ax.plot_trisurf(x_xz, np.zeros_like(x_xz), z_xz, alpha=0.5, color='lightgreen')

# 绘制x=0的面（yz平面上的三角形）
y_yz = np.linspace(0,1,50)
z_yz = 1 - y_yz
ax.plot_trisurf(np.zeros_like(y_yz), y_yz, z_yz, alpha=0.5, color='salmon')

# 绘制z=1-x-y的上边界曲面
xs, ys = np.meshgrid(np.linspace(0,1,50), np.linspace(0,1,50))
mask = ys > 1 - xs
zs = 1 - xs - ys
zs[mask] = np.nan
ax.plot_surface(xs, ys, zs, cmap='viridis', alpha=0.8)

# 设置坐标轴标签和标题
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('Complete Constrained 3D Region')

plt.show()

关键代码解释 #

• np.meshgrid：生成二维网格矩阵，实现批量计算所有(x,y)点对应的z值，比循环遍历效率高得多。
• mask：通过布尔索引筛选出符合y ≤ 1-x的点，将不符合条件的z值设为np.nan，matplotlib会自动忽略这些无效点，只绘制约束内的区域。
• plot_surface/plot_trisurf：分别用于绘制曲面和三角形面，alpha参数控制透明度，方便观察重叠区域。

内容的提问来源于stack exchange，提问作者user23021439