正如@ImportanceOfBeingErnest在评论中指出的那样，您的代码很好，但matplotlib有一个2d引擎，因此3d图很容易显示奇怪的工件。特别是，对象一次渲染一个，所以两个3d对象通常要么完全在另一个前面，要么完全在另一个后面，这使得使用matplotlib几乎不可能实现互锁3d对象的可视化。
我个人的替代建议是mayavi（难以置信的灵活性和可视化，相当陡峭的学习曲线），但是我想展示一个技巧，通常可以完全消除问题。这个想法是把你的两个独立的对象变成一个单一的使用一个无形的桥梁之间的表面。这种方法可能的缺点是
1.需要将两个曲面都作为曲面而不是contour3D进行绘制，并且
1.输出在很大程度上依赖于透明度，因此您需要一个可以处理该问题的后端。
免责声明：我从now-defunct Stack Overflow Documentation project的matplotlib主题的贡献者那里学到了这个技巧，但不幸的是，我不记得那个用户是谁。
为了在您的用例中使用这个技巧，我们必须将contour3D调用转换为另一个plot_surface调用。我不认为这是整体的坏;如果您发现生成的图形有太多的面而无法交互使用，则可能需要重新考虑剪切平面的密度。我们还必须明确定义一个逐点的颜色Map表，其Alpha通道在两个曲面之间提供透明的桥梁。因为我们需要将两个表面缝合在一起，所以表面的至少一个“面内”尺寸必须匹配;在这种情况下，我确保沿着“y”的点在两种情况下相同。

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

def f(theta1, theta2):
    return theta1**2 + theta2**2

fig, ax = plt.subplots(figsize=(6, 6),
                       subplot_kw={'projection': '3d'})

# plane data: X, Y, Z, C (first three shaped (nx,ny), last one shaped (nx,ny,4))
x,z = np.meshgrid(np.linspace(-1,1,100), np.linspace(0,2,100)) # <-- you can probably reduce these sizes
X = x.T
Z = z.T
Y = 0 * np.ones((100, 100))
# colormap for the plane: need shape (nx,ny,4) for RGBA values
C = np.full(X.shape + (4,), [0,0,0.5,1]) # dark blue plane, fully opaque

# surface data: theta1_grid, theta2_grid, J_grid, CJ (shaped (nx',ny) or (nx',ny,4))
r = np.linspace(-1,1,X.shape[1]) # <-- we are going to stitch the surface along the y dimension, sizes have to match
theta1_grid, theta2_grid = np.meshgrid(r,r)
J_grid = f(theta1_grid, theta2_grid)
# colormap for the surface; scale data to between 0 and 1 for scaling
CJ = plt.get_cmap('binary')((J_grid - J_grid.min())/J_grid.ptp())

# construct a common dataset with an invisible bridge, shape (2,ny) or (2,ny,4)
X_bridge = np.vstack([X[-1,:],theta1_grid[0,:]])
Y_bridge = np.vstack([Y[-1,:],theta2_grid[0,:]])
Z_bridge = np.vstack([Z[-1,:],J_grid[0,:]])
C_bridge = np.full(Z_bridge.shape + (4,), [1,1,1,0]) # 0 opacity == transparent; probably needs a backend that supports transparency!

# join the datasets
X_surf = np.vstack([X,X_bridge,theta1_grid])
Y_surf = np.vstack([Y,Y_bridge,theta2_grid])
Z_surf = np.vstack([Z,Z_bridge,J_grid])
C_surf = np.vstack([C,C_bridge,CJ])

# plot the joint datasets as a single surface, pass colors explicitly, set strides to 1
ax.plot_surface(X_surf, Y_surf, Z_surf, facecolors=C_surf, rstride=1, cstride=1)

ax.set_xlabel(r'$\theta_1$',fontsize='large')
ax.set_ylabel(r'$\theta_2$',fontsize='large')
ax.set_zlabel(r'$J(\theta_1,\theta_2)$',fontsize='large')
ax.set_title(r'Fig.2 $J(\theta_1,\theta_2)=(\theta_1^2+\theta_2^2)$',fontsize='x-large')

plt.tight_layout()
plt.show()

结果从两个Angular 来看：

如你所见，结果相当不错。您可以开始尝试使用曲面的各个透明度，以查看是否可以使该横截面更加可见。也可以将桥的不透明度切换为1，以查看曲面实际缝合在一起的方式。总而言之，我们要做的就是获取现有的数据，确保它们的大小匹配，并定义显式的颜色Map表和曲面之间的辅助桥梁。