如何用Matplotlib绘制符合阈值条件的3D数组等高线图？

1. 修正坐标网格生成 #

你提供的x和y定义有误，np.linspace的第三个参数是采样点数，需设为300以匹配数据的(41,300,300)维度：

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

# 修正X、Y坐标生成
x = np.linspace(-149.5, 149.5, 300)
y = np.linspace(-149.5, 149.5, 300)
X, Y = np.meshgrid(x, y)

# 将z转为NumPy数组方便后续计算
z = np.array([0.      , 0.5     , 1.      , 1.5     , 2.      , 2.5     ,
              3.      , 3.5     , 4.      , 4.5     , 5.      , 5.5     ,
              6.      , 6.5     , 7.      , 7.5     , 8.      , 8.5     ,
              9.      , 9.5     , 10.     , 10.500001, 11.000001, 11.500001,
              12.000001, 12.500001, 13.000001, 13.500001, 14.000001, 14.500001,
              15.000001, 15.500001, 16.     , 16.5     , 17.     , 17.5     ,
              18.     , 18.5     , 19.     , 19.5     , 20.     ])

2. 方案一：绘制“最高阈值曲面”（类似3D版contourf） #

此方案为每个(x,y)位置取最高的z值（即最后一个满足w>阈值的z层）作为曲面高度，生成连续的填充曲面，最接近你想要的3D contourf效果：

threshold = 1

# 初始化曲面高度数组，用NaN标记不满足条件的区域
Z_surface = np.full_like(X, np.nan)

# 遍历所有(x,y)位置
for i in range(X.shape[0]):
    for j in range(X.shape[1]):
        # 获取当前(x,y)在所有z层的数值
        w_vals = w[:, i, j]
        # 筛选出数值超过阈值的z索引
        valid_z_indices = np.where(w_vals > threshold)[0]
        if len(valid_z_indices) > 0:
            # 取最高的z值作为该点的曲面高度
            max_z_idx = valid_z_indices[-1]
            Z_surface[i, j] = z[max_z_idx]

# 绘制3D曲面
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')
surf = ax.plot_surface(X, Y, Z_surface, cmap='gray', alpha=0.8, edgecolor='none')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('3D Threshold Surface (w > 1)')
plt.show()

3. 方案二：绘制多层阈值等高线 #

如果你想展示所有z层中数值超过阈值的区域（类似多层2D contourf叠加），可以循环遍历每个z层，用contour3D绘制仅显示有效区域的等高面：

fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')

threshold = 1

for z_idx in range(len(z)):
    current_z = z[z_idx]
    # 获取当前z层的数值
    w_layer = w[z_idx, :, :]
    # 生成当前z层的高度网格，不满足条件的位置设为NaN
    Z_layer = np.full_like(X, current_z)
    Z_layer[w_layer <= threshold] = np.nan
    # 绘制该层的等高面
    ax.contour3D(X, Y, Z_layer, levels=[current_z], colors='gray', alpha=0.6)

ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('3D Multi-layer Threshold Contours (w > 1)')
plt.show()

4. 方案三：平滑等值面（Mayavi实现） #

若需要更精准、平滑的3D等值面效果，可使用Mayavi库的contour3d函数，它能直接处理3D体数据生成等值面：

from mayavi import mlab

# 生成匹配w维度的3D坐标网格（注意索引匹配(z,x,y)）
X_3d, Y_3d, Z_3d = np.meshgrid(x, y, z, indexing='ij')

# 绘制w>1的等值面
mlab.contour3d(X_3d, Y_3d, Z_3d, w, contours=[1], color=(0.7, 0.7, 0.7))
mlab.xlabel('X')
mlab.ylabel('Y')
mlab.zlabel('Z')
mlab.title('3D Isosurface (w > 1)')
mlab.show()

关键注意事项 #

• 索引匹配：你的数据w维度为(z,x,y)，生成3D网格时需确保X_3d, Y_3d, Z_3d的索引顺序与w一致（如使用indexing='ij'）。
• NaN的作用：用NaN标记不满足阈值的区域，Matplotlib和Mayavi会自动忽略这些位置的绘制，只保留有效区域。
• 效果选择：方案一适合生成连续填充曲面；方案二适合展示多层阈值区域；方案三适合高精度平滑等值面。

内容的提问来源于stack exchange，提问作者user21224227