Python实现带可调参数的二元函数3D绘图方案咨询

两种可选方案都不需要为不同a、b单独编写适配逻辑，可根据使用场景选择：

方案1：参数化封装（通用所有Python环境） #

把函数计算和绘图逻辑封装为接收a、b作为入参的函数，需要调整参数时直接传值调用即可。
示例代码：

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

# x、y的取值范围固定，如有需要可自行调整
x = np.linspace(30,7000,10000)
y = np.linspace(1,11000, 10000)

# 通用的函数计算逻辑，支持传入任意a、b
def delCAD(x,y,a,b):
    return (x - a*y)/(b+y)

def plot_3d(a=1, b=0):
    fig = plt.figure(figsize=(12,8))
    ax = fig.add_subplot(projection = "3d")
    z = delCAD(x,y,a,b)
    surf = ax.plot_trisurf(x, y, z, cmap = cm.coolwarm)
    ax.set_title(f"a={a}, b={b} 对应函数图像")
    fig.colorbar(surf, shrink=0.5, aspect=5)
    plt.show()

使用方式：

• 查看默认a=1、b=0的图像：执行 plot_3d()
• 查看a=2、b=3的图像：执行 plot_3d(a=2, b=3)
• 其他参数取值直接修改传入参数即可，无需修改内部逻辑。

方案2：交互式实时调节（Jupyter Notebook/Lab环境适用） #

如果在Jupyter环境下使用，可以通过滑块拖拽实时调整a、b取值，自动刷新图像，无需重复执行代码。
首先安装依赖：pip install ipywidgets
示例代码：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
import numpy as np
from ipywidgets import interact, FloatSlider

x = np.linspace(30,7000,10000)
y = np.linspace(1,11000, 10000)

def delCAD(x,y,a,b):
    return (x - a*y)/(b+y)

# 滑块的取值范围、步长、默认值都可以根据实际需求调整
@interact(
    a = FloatSlider(min=-5, max=5, step=0.1, value=1),
    b = FloatSlider(min=-0.9, max=10, step=0.1, value=0)
)
def interactive_plot(a,b):
    fig = plt.figure(figsize=(12,8))
    ax = fig.add_subplot(projection = "3d")
    z = delCAD(x,y,a,b)
    surf = ax.plot_trisurf(x, y, z, cmap = cm.coolwarm)
    ax.set_title(f"a={a:.1f}, b={b:.1f} 对应函数图像")
    fig.colorbar(surf, shrink=0.5, aspect=5)
    plt.show()

运行代码后会自动生成a、b两个调节滑块，拖拽即可实时看到参数变化后的图像效果。此处b的最小取值设为-0.9是为了避免分母为0报错，如有需要可结合y的取值范围调整。

内容的提问来源于stack exchange，提问作者lsr729