Python：如何合并np.meshgrid生成的2D数组以绘制单一3D曲面图

问题原因 #

matplotlib的plot_surface函数要求传入的X、Y、Z参数均为二维网格数组，你直接使用默认参数的np.append会自动将输入数组扁平化后拼接为一维数组，因此触发报错。

解决方案 #

方案1：规则网格沿坐标轴拼接（效率最优） #

如果你的两个曲面沿某一坐标轴连续分布、且另一坐标轴的采样范围和点数完全一致（比如示例中两个曲面的X轴均为0到1采样100个点，Y轴分别为0-1和1-2的连续区间），可以使用np.concatenate指定拼接轴，保留数组的二维结构：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm

fig = plt.figure(figsize=(8,4))
ax = fig.add_subplot(projection='3d')

# 生成第一个曲面网格
x1 = np.linspace(0,1,100)
y1 = np.linspace(0,1,100)
X1,Y1 = np.meshgrid(x1,y1)
Z1 = 2*Y1

# 生成第二个曲面网格，支持任意倾斜角度的Z函数
x2 = np.linspace(0,1,100)
y2 = np.linspace(1,2,100)
X2,Y2 = np.meshgrid(x2,y2)
Z2 = 3*Y2 + X2 # 可替换为任意自定义函数

# 沿Y轴对应维度（axis=0）拼接二维网格
X = np.concatenate([X1, X2], axis=0)
Y = np.concatenate([Y1, Y2], axis=0)
Z = np.concatenate([Z1, Z2], axis=0)

# 绘制合并后的单一曲面
solid = ax.plot_surface(X,Y,Z,cmap=cm.coolwarm,linewidth=0, antialiased=True)
plt.show()

如果是沿X轴拼接，只需将拼接轴改为axis=1即可。

方案2：通用任意曲面合并（适配所有场景） #

如果两个曲面是不规则分布、网格采样不对齐，可以使用plot_trisurf替代plot_surface，无需严格的二维网格结构，直接传入所有点的一维坐标即可自动生成三角网格曲面：

# 拼接所有网格点的一维坐标
X_all = np.concatenate([X1.flatten(), X2.flatten()])
Y_all = np.concatenate([Y1.flatten(), Y2.flatten()])
Z_all = np.concatenate([Z1.flatten(), Z2.flatten()])

# 直接绘制三角曲面
ax.plot_trisurf(X_all, Y_all, Z_all, cmap=cm.coolwarm, linewidth=0, antialiased=True)

该方案支持任意形状、任意倾斜角度的曲面合并，无需提前对齐网格，仅在数据点量级极大时渲染效率略低于方案1。

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