如何用Matplotlib复刻Mathematica风格的3D绘图效果？

Mathematica生成的3D图在视觉呈现上更简洁清晰，包含表面+底部等高线投影、柔和配色、合理视角等特点，以下是针对性的优化方案：

核心优化点及代码修改 #

1. 添加底部等高线投影 #

Mathematica图在xy平面添加了等高线，增强空间层次感，可通过plot_surface的层级控制配合contourf实现：

# 绘制3D表面，设置层级让等高线在下方
surf = ax.plot_surface(sigma, omega, response, cmap='plasma', alpha=0.9, zorder=2)
# 添加xy平面的等高线投影，固定在z=0位置
contour = ax.contourf(sigma, omega, response, zdir='z', offset=0, cmap='plasma', alpha=0.6, zorder=1)

2. 调整配色方案 #

替换默认冷色调的viridis为暖色调的plasma，更贴近Mathematica原图风格；同时设置表面半透明，增强通透感。

3. 优化视角与坐标轴比例 #

调整3D视角到更贴合原图的角度，同时固定坐标轴比例避免画面拉伸变形：

# 设置视角（elev为仰角，azim为方位角）
ax.view_init(elev=30, azim=-60)
# 固定坐标轴比例，保持画面协调
ax.set_box_aspect([1, 1, 0.8])

4. 简化网格与坐标轴样式 #

隐藏冗余网格线，调整标签样式，让画面更简洁：

# 保留xy平面网格并设置样式，隐藏z轴网格
ax.xaxis._axinfo['grid'].update({'linestyle': '--', 'color': 'gray', 'alpha': 0.5})
ax.yaxis._axinfo['grid'].update({'linestyle': '--', 'color': 'gray', 'alpha': 0.5})
ax.zaxis._axinfo['grid'].update({'visible': False})
# 调整坐标轴标签字体大小
ax.set_xlabel('Sigma', fontsize=12)
ax.set_ylabel('Omega', fontsize=12)
ax.set_zlabel('Magnitude', fontsize=12)
# 隐藏顶部和右侧坐标轴脊线
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

5. 平滑表面与峰值裁剪优化 #

提高采样密度让表面更平滑，用clip函数实现峰值的柔和截断，避免生硬的数值突变：

# 提高采样密度，增强表面平滑度
sigma = np.linspace(-1.5, 0.5, 600)
omega = np.linspace(-1.5, 1.5, 600)
# 平滑裁剪峰值
response = np.clip(np.abs(h), 0, 40)

完整优化后代码 #

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

# Butterworth filter order
order = 5

# 提高采样密度，增强表面平滑度
sigma = np.linspace(-1.5, 0.5, 600)
omega = np.linspace(-1.5, 1.5, 600)
sigma, omega = np.meshgrid(sigma, omega)

# 构造复频率s域变量
s = sigma + 1j * omega

# 生成Butterworth模拟滤波器的分子分母多项式
b, a = butter(order, 1, analog=True)
h = np.polyval(b, s) / np.polyval(a, s)

# 计算幅度响应并平滑裁剪峰值
response = np.clip(np.abs(h), 0, 40)

# 创建3D绘图对象
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

# 绘制3D表面与底部等高线投影
surf = ax.plot_surface(sigma, omega, response, cmap='plasma', alpha=0.9, zorder=2, rstride=5, cstride=5)
contour = ax.contourf(sigma, omega, response, zdir='z', offset=0, cmap='plasma', alpha=0.6, zorder=1)

# 设置坐标轴范围与比例
ax.set_zlim(0, 40)
ax.set_box_aspect([1, 1, 0.8])

# 调整视角匹配原图
ax.view_init(elev=30, azim=-60)

# 优化网格与坐标轴样式
ax.xaxis._axinfo['grid'].update({'linestyle': '--', 'color': 'gray', 'alpha': 0.5})
ax.yaxis._axinfo['grid'].update({'linestyle': '--', 'color': 'gray', 'alpha': 0.5})
ax.zaxis._axinfo['grid'].update({'visible': False})
ax.set_xlabel('Sigma', fontsize=12)
ax.set_ylabel('Omega', fontsize=12)
ax.set_zlabel('Magnitude', fontsize=12)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# 添加配色条
fig.colorbar(surf, ax=ax, shrink=0.8, pad=0.1)

plt.tight_layout()
plt.show()

优化效果说明 #

• 新增的等高线投影增强了空间信息的可读性
• 暖色调配色更贴近Mathematica原图风格
• 调整后的视角突出了Butterworth滤波器的频率响应特征
• 简化的网格和坐标轴让画面更简洁，重点突出

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