Python三维绘图

2024-07-02 03:16| 来源: 网络整理| 查看: 265

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()

在这里插入图片描述

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()

在这里插入图片描述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()

在这里插入图片描述

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()

在这里插入图片描述

Finish Todo bar

在这里插入图片描述

【本文地址】

公司简介

联系我们