如何在Python的trisurf曲面图底部添加等高线图？

你的问题出在contour函数要求输入网格化的二维数组，但你用的是和plot_trisurf匹配的一维散点数据。这里有两种直接可行的解决方式：

方法一：用tricontour/tricontourf（推荐） #

这两个函数是Matplotlib专门为一维散点的三角化数据设计的，和plot_trisurf的输入完全兼容，不需要额外处理数据。

示例代码：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 假设x、y、z是你已有的一维数组
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制3D曲面
surf = ax.plot_trisurf(x, y, z, cmap='viridis')

# 在曲面底部添加等高线
# zdir='z' 指定等高线投影到z轴方向的平面，offset设为z的最小值让等高线在底部
ax.tricontour(x, y, z, zdir='z', offset=min(z), cmap='viridis', levels=10)

plt.show()

你还可以直接复用plot_trisurf生成的三角化对象，确保和曲面的三角划分完全一致：

# 获取曲面的三角化对象
triang = surf.triangulation
# 用该对象绘制等高线
ax.tricontour(triang, z, zdir='z', offset=min(z), cmap='viridis', levels=10)

方法二：插值生成二维网格数据（适合必须用contour的场景） #

如果一定要用contour，需要先把一维的x、y、z插值成二维网格数据，用scipy的griddata实现：

import numpy as np
from scipy.interpolate import griddata

# 创建网格化的x、y坐标
xi = np.linspace(x.min(), x.max(), 100)
yi = np.linspace(y.min(), y.max(), 100)
Xi, Yi = np.meshgrid(xi, yi)

# 插值得到二维的Z矩阵
Zi = griddata((x, y), z, (Xi, Yi), method='linear')

# 绘制等高线
ax.contour(Xi, Yi, Zi, zdir='z', offset=min(z), cmap='viridis')

这种方法会对原始数据进行插值，可能存在精度损失，因此更推荐第一种方法。

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