您可以先插值数据，然后使用较大的步幅绘图。

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

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

u = np.linspace(0, 2 * np.pi, 13)
v = np.linspace(0, np.pi, 7)

x = 10 * np.outer(np.cos(u), np.sin(v))
y = 10 * np.outer(np.sin(u), np.sin(v))
z = 10 * np.outer(np.ones(np.size(u)), np.cos(v))

# use scipy to interpolate
xdata = scipy.ndimage.zoom(x, 3)
ydata = scipy.ndimage.zoom(y, 3)
zdata = scipy.ndimage.zoom(z, 3)

ax.plot_surface(xdata, ydata, zdata, rstride=3, cstride=3, color='w', shade=0)

plt.show()

字符串
基于这个问题here。
请注意，scipy.ndimage.zoom可能是矫枉过正。我不明白为什么你不能在u和v上使用更小的分辨率，然后相应地提高步幅。这似乎也很好：

...
# increased num pts by 3
u = np.linspace(0, 2 * np.pi, 39)
v = np.linspace(0, np.pi, 21)

x = 10 * np.outer(np.cos(u), np.sin(v))
y = 10 * np.outer(np.sin(u), np.sin(v))
z = 10 * np.outer(np.ones(np.size(u)), np.cos(v))

# Use 3x the stride, no scipy zoom
ax.plot_surface(x, y, z, rstride=3, cstride=3, color='w', shade=0)
...

型

这个解决方案看起来不稳定，因为你没有你期望的实际表面。所以你有点看穿它，这就是为什么线框看起来弯曲。
很难找到其他的解决方案，因为你确实需要一个好的分辨率球面（也就是说，用小的参数步长），否则你会“看穿”它。然后你需要在这个好的分辨率球面上画线。
你可以在matplotlib：http://matplotlib.org/basemap/users/examples.html中查看Basemap模块，它可能有点矫枉过正，但它可以工作。

的数据
可能有一个解决方案与Poly3DColelix和Line3D Collection：Transparency for Poly3DCollection plot in matplotlib