【数据可视化】Matplotlib用法 3D绘图

Matplotlib绘制3D图形

【第一步】：引入相关库

from  mpl_toolkits import mplot3d
%matplotlib inline

import numpy as np
import matplotlib.pyplot as plt

【第二步】：构建3d坐标系

fig = plt.figure()
ax = plt.axes(projection='3d')

output_3d坐标系

绘制线图和点图

fig = plt.figure()
ax = plt.axes(projection='3d')
# 三维数据的点、线
zline = np.linspace(0,15,1000)
xline = np.sin(zline)
yline = np.cos(zline)

# 绘制线图
ax.plot3D(xline,yline,zline,'gray')

#绘制散点图
zdata = 15 * np.random.randn(100)
xdata = np.sin(zdata) + 0.1 * np.random.randn(100)
ydata = np.cos(zdata) + 0.1 * np.random.randn(100)
ax.scatter3D(xdata,ydata,zdata,c=zdata,cmap='Greens')

Image

绘制三维等高线图

具体的参数描述如下表所示：

参数	描述
X, Y，Z	坐标点
rcount,ccount,rstride,cstride	坐标点
color	定义surface patch的颜色,type:color-like
cmap	定义surface patch的颜色，只不过是colorMap,type:colormap
facecolors	指定单个patch的颜色, type:array-like of colors
norm	colormap的normalization，
shade	阴影效果，type:boolean
vmin, vmax	normalization的边界
**kwargs	向下传递到Poly3DCollection
antialiased	抗锯齿，type:boolean

【程序】：

# 模拟数据
def f(x,y):
    return np.sin(np.sqrt(x ** 2 + y ** 2))

x = np.linspace(-6,6,30)
y = np.linspace(-6,6,30)
X,Y = np.meshgrid(x,y)
Z = f(X,Y)

# 绘制
fig = plt.figure()
ax = plt.axes(projection='3d')
ax.contour3D(X,Y,Z,50,cmap='RdGy')
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_zlabel("z")

# 调整图形的角度
ax.view_init(60,30)

【可视化】：

untitled.png

绘制线图和点图 绘制线框图

调用函数：plot_wireframe()

plot_wireframe(X, Y, Z, *args, **kwargs)

具体的参数描述如下表所示：

参数	描述
X, Y,Z	坐标点
rcount,ccount	采样数，越大采样越多，默认50
rstride,cstride	采样步长，越小采样越多
**kwargs	其他参数向下传入Line3DCollection

【程序】：

fig = plt.figure()
ax = plt.axes(projection='3d')
ax.plot_wireframe(X,Y,Z,color='green')
ax.set_title("wireframe")

【可视化】：

output_线框图