Python三維繪圖–Matplotl

Python三維繪圖

在遇到三維數據時，三維影像能給我們對數據帶來更加深入地理解。python的matplotlib庫就包含了豐富的三維繪圖工具。

1.創建三維坐標軸對象Axes3D

創建Axes3D主要有兩種方式，一種是利用關鍵字projection='3d'l來實現，另一種則是通過從mpl_toolkits.mplot3d導入對象Axes3D來實現，目的都是生成具有三維格式的對象Axes3D.

#方法一，利用關鍵字  from matplotlib import pyplot as plt  from mpl_toolkits.mplot3d import Axes3D    #定義坐標軸  fig = plt.figure()  ax1 = plt.axes(projection='3d')  #ax = fig.add_subplot(111,projection='3d')  #這種方法也可以畫多個子圖      #方法二，利用三維軸方法  from matplotlib import pyplot as plt  from mpl_toolkits.mplot3d import Axes3D    #定義影像和三維格式坐標軸  fig=plt.figure()  ax2 = Axes3D(fig)
2.三維曲線和散點

隨後在定義的坐標軸上畫圖：

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')  #繪製散點圖  ax1.plot3D(x,y,z,'gray')    #繪製空間曲線  plt.show()
3.三維曲面

下一步畫三維曲面：

fig = plt.figure()  #定義新的三維坐標軸  ax3 = plt.axes(projection='3d')    #定義三維數據  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)      #作圖  ax3.plot_surface(X,Y,Z,cmap='rainbow')  #ax3.contour(X,Y,Z, zdim='z',offset=-2，cmap='rainbow)   #等高線圖，要設置offset，為Z的最小值  plt.show()

如果加入渲染時的步長，會得到更加清晰細膩的影像： ax3.plot_surface(X,Y,Z,rstride = 1, cstride = 1,cmap='rainbow'),其中的row和cloum_stride為橫豎方向的繪圖取樣步長，越小繪圖越精細。

4.等高線

同時還可以將等高線投影到不同的面上：

from matplotlib import pyplot as plt  from mpl_toolkits.mplot3d import Axes3D    #定義坐標軸  fig4 = plt.figure()  ax4 = plt.axes(projection='3d')    #生成三維數據  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))    #作圖  ax4.plot_surface(X,Y,Z,alpha=0.3,cmap='winter')     #生成表面， alpha 用於控制透明度  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()函數    #設定顯示範圍  ax4.set_xlabel('X')  ax4.set_xlim(-6, 4)  #拉開坐標軸範圍顯示投影  ax4.set_ylabel('Y')  ax4.set_ylim(-4, 6)  ax4.set_zlabel('Z')  ax4.set_zlim(-3, 3)    plt.show()
5.隨機散點圖

可以利用scatter()生成各種不同大小，顏色的散點圖，其參數如下：

#函數定義  matplotlib.pyplot.scatter(x, y,  	s=None,   #散點的大小 array  scalar  	c=None,   #顏色序列   array、sequency  	marker=None,   #點的樣式  	cmap=None,    #colormap 顏色樣式  	norm=None,    #歸一化  歸一化的顏色camp  	vmin=None, vmax=None,    #對應上面的歸一化範圍   	alpha=None,     #透明度  	linewidths=None,   #線寬  	verts=None,   #  	edgecolors=None,  #邊緣顏色  	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    #定義坐標軸  fig4 = plt.figure()  ax4 = plt.axes(projection='3d')    #生成三維數據  xx = np.random.random(20)*10-5   #取100個隨機數，範圍在5~5之間  yy = np.random.random(20)*10-5  X, Y = np.meshgrid(xx, yy)  Z = np.sin(np.sqrt(X**2+Y**2))    #作圖  ax4.scatter(X,Y,Z,alpha=0.3,c=np.random.random(400),s=np.random.randint(10,20, size=(20, 40)))     #生成散點.利用c控制顏色序列,s控制大小    #設定顯示範圍    plt.show()

Finish

VirMach 便宜 VPS

QNews

QNews