python画图三维-Python三维绘图之Matplotlib库的使⽤⽅法前⾔
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 = s(z)
zd = 13*np.random.random(100)
xd = 5*np.sin(zd)
yd = s(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)
matplotlib中subplot
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')
#ur(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
#urf(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:/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
总结
到此这篇关于Python三维绘图之Matplotlib库使⽤的⽂章就介绍到这了，更多相关Python三维绘图Matplotlib库内容请搜索脚本之家以前的⽂章或继续浏览下⾯的相关⽂章希望⼤家以后多多⽀持脚本之家！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。