Python三维绘图之Matplotlib库的使用方法
(编辑：jimmy 日期: 2024/11/17 浏览：3 次 )
前言
在遇到三维数据时，三维图像能给我们对数据带来更加深入地理解。python的matplotlib库就包含了丰富的三维绘图工具。
1.创建三维坐标轴对象Axes3D
创建Axes3D主要有两种方式，一种是利用关键字projection='3d'l来实现，另一种则是通过从mpl_toolkits.mplot3d导入对象Axes3D来实现，目的都是生成具有三维格式的对象Axes3D.
#方法一，利用关键字 from matplotlib import pyplot as plt from mpl_toolkits.mplot3d import Axes3D #定义坐标轴 fig = plt.figure() ax1 = plt.axes(projection='3d') #ax = fig.add_subplot(111,projection='3d') #这种方法也可以画多个子图 #方法二，利用三维轴方法 from matplotlib import pyplot as plt from mpl_toolkits.mplot3d import Axes3D #定义图像和三维格式坐标轴 fig=plt.figure() ax2 = Axes3D(fig)
2.三维曲线和散点
随后在定义的坐标轴上画图：
import numpy as np z = np.linspace(0,13,1000) x = 5*np.sin(z) y = 5*np.cos(z) zd = 13*np.random.random(100) xd = 5*np.sin(zd) yd = 5*np.cos(zd) ax1.scatter3D(xd,yd,zd, cmap='Blues') #绘制散点图 ax1.plot3D(x,y,z,'gray') #绘制空间曲线 plt.show()
3.三维曲面
下一步画三维曲面：
fig = plt.figure() #定义新的三维坐标轴 ax3 = plt.axes(projection='3d') #定义三维数据 xx = np.arange(-5,5,0.5) yy = np.arange(-5,5,0.5) X, Y = np.meshgrid(xx, yy) Z = np.sin(X)+np.cos(Y) #作图 ax3.plot_surface(X,Y,Z,cmap='rainbow') #ax3.contour(X,Y,Z, zdim='z',offset=-2，cmap='rainbow) #等高线图，要设置offset，为Z的最小值 plt.show()
如果加入渲染时的步长，会得到更加清晰细腻的图像：
ax3.plot_surface(X,Y,Z,rstride = 1, cstride = 1,cmap='rainbow'),其中的row和cloum_stride为横竖方向的绘图采样步长，越小绘图越精细。
4.等高线
同时还可以将等高线投影到不同的面上：
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
#定义坐标轴
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')
#生成三维数据
xx = np.arange(-5,5,0.1)
yy = np.arange(-5,5,0.1)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(np.sqrt(X**2+Y**2))
#作图
ax4.plot_surface(X,Y,Z,alpha=0.3,cmap='winter') #生成表面， alpha 用于控制透明度
ax4.contour(X,Y,Z,zdir='z', offset=-3,cmap="rainbow") #生成z方向投影，投到x-y平面
ax4.contour(X,Y,Z,zdir='x', offset=-6,cmap="rainbow") #生成x方向投影，投到y-z平面
ax4.contour(X,Y,Z,zdir='y', offset=6,cmap="rainbow") #生成y方向投影，投到x-z平面
#ax4.contourf(X,Y,Z,zdir='y', offset=6,cmap="rainbow") #生成y方向投影填充，投到x-z平面，contourf()函数
#设定显示范围
ax4.set_xlabel('X')
ax4.set_xlim(-6, 4) #拉开坐标轴范围显示投影
ax4.set_ylabel('Y')
ax4.set_ylim(-4, 6)
ax4.set_zlabel('Z')
ax4.set_zlim(-3, 3)
plt.show()
5.随机散点图
可以利用scatter()生成各种不同大小，颜色的散点图，其参数如下：
#函数定义 matplotlib.pyplot.scatter(x, y, s=None, #散点的大小 array scalar c=None, #颜色序列 array、sequency marker=None, #点的样式 cmap=None, #colormap 颜色样式 norm=None, #归一化 归一化的颜色camp vmin=None, vmax=None, #对应上面的归一化范围 alpha=None, #透明度 linewidths=None, #线宽 verts=None, # edgecolors=None, #边缘颜色 data=None, **kwargs ) #ref:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html
from matplotlib import pyplot as plt from mpl_toolkits.mplot3d import Axes3D #定义坐标轴 fig4 = plt.figure() ax4 = plt.axes(projection='3d') #生成三维数据 xx = np.random.random(20)*10-5 #取100个随机数，范围在5~5之间 yy = np.random.random(20)*10-5 X, Y = np.meshgrid(xx, yy) Z = np.sin(np.sqrt(X**2+Y**2)) #作图 ax4.scatter(X,Y,Z,alpha=0.3,c=np.random.random(400),s=np.random.randint(10,20, size=(20, 40))) #生成散点.利用c控制颜色序列,s控制大小 #设定显示范围 plt.show()
Finish
Todo bar
总结
下一篇：Python自定义sorted排序实现方法详解