如何在matplotlib mplot3D或类似文件中显示3D阵列等值面的3D图？
问题内容：
我有一个3维的numpy数组。我想显示（在matplotlib中）此数组的等值面的漂亮3D图（或更严格地说，显示通过在采样点之间进行插值定义的3D标量字段的等值面）。
matplotlib的mplot3D部分提供了不错的3D绘图支持，但是（据我所知），其API没有任何东西可以简单地获取标量值的3D数组并显示等值面。但是，它确实支持显示多边形集合，因此大概可以实现行进立方体算法来生成此类多边形。
似乎很可能已经在某个地方实现了对scipy友好的行进多维数据集，但是我还没有找到它，或者我缺少执行此操作的一些简单方法。另外，我欢迎任何指向其他工具的指针，这些工具可以可视化从Python
/ numpy / scipy世界轻松使用的3D数组数据。
问题答案：
只是为了详细说明我在上面的评论，matplotlib的3D绘图实际上并不打算用于等值面之类的复杂对象。它的目的是为非常简单的3D图生成漂亮的，具有出版质量的矢量输出。它无法处理复杂的3D多边形，因此，即使您自己实施了行进立方体来创建等值面，也无法正确渲染该等值面。
但是，您可以做的是使用mayavi（它的mlab
API
比直接使用mayavi更加方便），它使用VTK处理和可视化多维数据。
作为一个快速示例（从mayavi gallery示例之一进行了修改）：
import numpy as np
from enthought.mayavi import mlab
x, y, z = np.ogrid[-10:10:20j, -10:10:20j, -10:10:20j]
s = np.sin(x*y*z)/(x*y*z)
src = mlab.pipeline.scalar_field(s)
mlab.pipeline.iso_surface(src, contours=[s.min()+0.1*s.ptp(), ], opacity=0.3)
mlab.pipeline.iso_surface(src, contours=[s.max()-0.1*s.ptp(), ],)
mlab.show()
