axes3d.plot_wireframe(X，Y，Z)错误

Question

我正试图通过youtube上的一个教程学习Python，但我在处理3D图形时遇到了一些困难。长话短说，我不断得到(如果

Z.ndim != 2:
AttributeError: 'list' object has no attribute 'ndim')

尝试启动此简单程序时出错：

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

fig = plt.figure()

chart = fig.add_subplot(1,1,1,projection = '3d')

X,Y,Z = [1,2,3,4,5,6,7,8],[2,5,3,8,9,5,6,1],[3,6,2,7,5,4,5,6]

chart.plot_wireframe(X,Y,Z)

plt.show()

我知道这与Axes3.plot_wireframe()方法有关，但是谁能给我解释一下发生了什么？

Answer 1

我通过做两件事绕过了这个问题。

1. 将numpy导入为np
2. 使z轴成为多维数组

​

#My 3d graph

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d
import numpy as np

figure = plt.figure()
axis = figure.add_subplot(111, projection = '3d')

x = [1,2,3,4,5,6,7,8,9,10]
y = [5,6,7,8,2,5,6,3,7,2]
z = np.array([[1,2,6,3,2,7,3,3,7,2],[1,2,6,3,2,7,3,3,7,2]])

axis.plot_wireframe(x, y, z)

axis.set_xlabel('x-axis')
axis.set_ylabel('y-axis')
axis.set_zlabel('z-axis')

plt.show()

​

特别注意z变量。如果z不是多维的，它将抛出一个错误。

希望它能解决你的问题

Answer 2

在matplotlib版本为2.0.2的Python 2.7.10或Python 3.6.0中运行您的代码，将生成相同的图像，并且没有错误：

​

​

这不是一个线框图，一个简单的ax.plot(X, Y, Z)就能生成它。正如DavidG和ImportanceOfBeingErnest巧妙地提到的那样，将1D列表传递给线框函数是没有意义的，因为X、Y和Z应该是二维的。

下面的代码(取自matplotlib官方文档的一个例子)显示了plot_wireframe函数的参数应该是怎样的(使用numpy数组)：

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np

'''
def get_test_data(delta=0.05):

    from matplotlib.mlab import  bivariate_normal
    x = y = np.arange(-3.0, 3.0, delta)
    X, Y = np.meshgrid(x, y)

    Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
    Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
    Z = Z2 - Z1

    X = X * 10
    Y = Y * 10
    Z = Z * 500
    return X, Y, Z

'''


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

x, y, z = axes3d.get_test_data(0.05)

ax.plot_wireframe(x,y,z, rstride=2, cstride=2)

plt.show()

输出图像是真正的线框图：

​

​

例如，打印x.shape将生成( 120,120)，表明该数组是二维的，第一维有120个位置，第二维有120个位置。

Answer 3

我有确切的问题(从视频中的例子不能工作，尽管完全复制)。在不看源代码的情况下，我假设matplotlib2.1.0中添加了一个现实检查，它现在停止在plot_wireframe中使用一维数组。将方法调用更改为简单的"plot“确实解决了这个问题。