PythonMatplotlib3D绘图详解（汇总）

　　最初开发的 Matplotlib，仅支持绘制 2d 图形，后来随着版本的不断更新， Matplotlib 在二维绘图的基础上，构建了一部分较为实用的 3D 绘图程序包，比如 mpl_toolkits.mplot3d，通过调用该程序包一些接口可以绘制 3D散点图、3D曲面图、3D线框图等
　　mpl_toolkits 是 Matplotlib 的绘图工具包。　　第一个三维绘图程序
　　下面编写第一个三维绘图程序。
　　首先创建一个三维绘图区域， plt.axes() 函数提供了一个参数projection，将其参数值设置为 ＂3d＂。如下所示：#导入三维工具包mplot3d from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt fig = plt.figure() #创建3d绘图区域 ax = plt.axes(projection=＂3d＂)1234567复制代码类型：[python]
　　有了三维绘图区域，接下来就要构建 3d 图像，如下所示：#从三个维度构建 z = np.linspace(0, 1, 100) x = z * np.sin(20 * z) y = z * np.cos(20 * z)1234复制代码类型：[python]
　　最后调用 plot3D() 方法绘制 3d 图形，代码如下：#调用 ax.plot3D创建三维线图 ax.plot3D(x, y, z, ＂gray＂) ax.set_title(＂3D line plot＂) plt.show()1234复制代码类型：[python]
　　完整程序如下所示：from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt fig = plt.figure() #从三个维度构建 z = np.linspace(0, 1, 100) x = z * np.sin(20 * z) y = z * np.cos(20 * z) #调用 ax.plot3D创建三维线图 ax.plot3D(x, y, z, ＂gray＂) ax.set_title(＂3D line plot＂) plt.show()123456789101112复制代码类型：[python]
　　输出结果如下所示：
　　上述代码中的 ax.plot3D() 函数可以绘制各种三维图形，这些三维图都要根据(x，y，z)三元组类来创建。　　3D散点图
　　通过 ax.scatter3D() 函数可以绘制 3D 散点图，示例代码如下：from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt fig = plt.figure() #创建绘图区域 ax = plt.axes(projection=＂3d＂) #构建xyz z = np.linspace(0, 1, 100) x = z * np.sin(20 * z) y = z * np.cos(20 * z) c = x + y ax.scatter3D(x, y, z, c=c) ax.set_title(＂3d Scatter plot＂) plt.show()1234567891011121314复制代码类型：[python]
　　输出结果图：
　　3D等高线图
　　ax.contour3D() 可以用来创建三维等高线图，该函数要求输入数据均采用二维网格式的矩阵坐标。同时，它可以在每个网格点(x,y)处计算出一个 z 值。
　　以下示例展示了如何绘制三维正弦等高线图。代码如下：from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt def f(x, y):    return np.sin(np.sqrt(x ** 2 + y ** 2)) #构建x、y数据 x = np.linspace(-6, 6, 30) y = np.linspace(-6, 6, 30) #将数据网格化处理 X, Y = np.meshgrid(x, y) Z = f(X, Y) fig = plt.figure() ax = plt.axes(projection=＂3d＂) #50表示在z轴方向等高线的高度层级，binary颜色从白色变成黑色 ax.contour3D(X, Y, Z, 50, cmap=＂binary＂) ax.set_xlabel(＂x＂) ax.set_ylabel(＂y＂) ax.set_zlabel(＂z＂) ax.set_title(＂3D contour＂) plt.show()1234567891011121314151617181920复制代码类型：[python]
　　输出结果图如下：
　　3D线框图
　　线框图同样要采用二维网格形式的数据，与绘制等高线图类似。
　　线框图可以将数据投影到指定的三维表面上，并输出可视化程度较高的三维效果图。通过 plot_wireframe() 能够绘制 3D 线框图。代码如下：from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt #要绘制函数图像 def f(x, y):    return np.sin(np.sqrt(x ** 2 + y ** 2)) #准备x,y数据 x = np.linspace(-6, 6, 30) y = np.linspace(-6, 6, 30) #生成x、y网格化数据 X, Y = np.meshgrid(x, y) #准备z值 Z = f(X, Y) #绘制图像 fig = plt.figure() ax = plt.axes(projection=＂3d＂) #调用绘制线框图的函数plot_wireframe() ax.plot_wireframe(X, Y, Z, color=＂black＂) ax.set_title(＂wireframe＂) plt.show()1234567891011121314151617181920复制代码类型：[python]
　　输出结果如下：
　　曲面图表示一个指定的因变量y与两个自变量x和z之间的函数关系。
　　3D 曲面图是一个三维图形，它非常类似于线框图。不同之处在于，线框图的每个面都由多边形填充而成。Matplotlib 提供的 plot_surface() 函数可以绘制 3D 曲面图，该函数需要接受三个参数值 x，y 和 z 。示例代码如下：from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt #求向量积(outer()方法又称外积) x = np.outer(np.linspace(-2, 2, 30), np.ones(30)) #矩阵转置 y = x.copy().T  #数据z z = np.cos(x ** 2 + y ** 2) #绘制曲面图 fig = plt.figure() ax = plt.axes(projection=＂3d＂) 调用plot_surface()函数 ax.plot_surface(x, y, z,cmap=＂viridis＂, edgecolor=＂none＂) ax.set_title(＂Surface plot＂) plt.show()12345678910111213141516复制代码类型：[python]
　　输出结果图：
　　开课吧广场-人才学习交流平台