Python三维绘图–Matplotl

Python三维绘图

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

VirMach 便宜 VPS

QNews

QNews