如何用Python从复数数据生成3D图？解决空图报错问题

空图问题的根源 #

你的代码出现空图有两个核心问题：

1. 数据长度不匹配：x和y各有4个元素，但z只有3个，Plotly无法找到每个(x,y)对应的z值，导致无法渲染。
2. Surface要求二维网格数据：go.Surface需要输入二维数组（N×M）来表示网格上的点，而你用的是一维列表，不符合曲面图的数据格式要求。

修复后的代码示例 #

下面是修正后的代码，先生成标准的二维网格，再计算每个网格点对应的复数Z的模值：

import plotly.graph_objs as go
import numpy as np

# 生成Re(ω)和Im(ω)的二维网格
re_omega = np.linspace(0.1, 0.5, 10)  # 实部范围，10个采样点
im_omega = np.linspace(0.1, 0.7, 10)  # 虚部范围，10个采样点
x, y = np.meshgrid(re_omega, im_omega)

# 模拟你的复数函数（替换成你实际的函数逻辑）
def compute_z(omega):
    # 示例计算逻辑，替换为你的真实函数
    return 1.817 - 0.003*(omega.imag) + 0.0017j * (1 - 0.05*omega.imag)

# 计算每个网格点的Z模值
z_mag = np.abs(np.vectorize(compute_z)(x + 1j*y))

# 创建曲面图
fig = go.Figure(data=[go.Surface(z=z_mag, x=x, y=y)])

fig.update_layout(
    title='Frequências',
    scene=dict(
        xaxis_title='Re(ω)',
        yaxis_title='Im(ω)',
        zaxis_title='|Resíduo|'  # 明确标注为模值
    )
)
fig.show()

复数函数的可视化方案选择 #

3D图只能直接展示一个实数值维度，针对你的需求，推荐几种实用方案：

• 仅绘制模值：如上面的代码，适合关注复数的幅度大小，是最常用的选择。
• 绘制实部或虚部：把z_mag换成np.real(z)或np.imag(z)，单独展示实部/虚部的分布。
• 结合颜色映射增强信息：用高度展示模值，颜色展示实部（或虚部、相位），一张图同时呈现两个维度：

# 计算复数Z的实部作为颜色映射依据
z_real = np.real(np.vectorize(compute_z)(x + 1j*y))

fig = go.Figure(data=[go.Surface(
    z=z_mag, 
    x=x, 
    y=y,
    surfacecolor=z_real,  # 用实部作为颜色区分
    colorbar=dict(title='Re(Resíduo)')
)])

fig.update_layout(
    title='Frequências（高度=模值，颜色=实部）',
    scene=dict(
        xaxis_title='Re(ω)',
        yaxis_title='Im(ω)',
        zaxis_title='|Resíduo|'
    )
)
fig.show()

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