【matploblib教程】一文带你码遍各种类型三维图

相信许多使用过python的小伙伴都知道matplotlib是个强大的数据可视化工具，但是大部分小伙伴都只用其绘制平面图形，本系列将会教大家如何利用matplotlib来绘制3D图像

一、简介

相较于之前的版本，最新版的matplotlib只需要通过将关键字参数projection="3d" 传递给来创建（Axes3D类的）Figure.add_subplot即可创建创建3维画布，其具体使用同2D相差无几：

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

在Matplotlib 1.0.0之前，Axes3D需要先实例化 。

from mpl_toolkits.mplot3d import Axes3D
ax = Axes3D(fig)

而Matplotlib在版本3.2.0中进行了更改：在Matplotlib 3.2.0之前，需要显式导入 mpl_toolkits.mplot3d模块，才能将“ 3d”参数传进 Figure.add_subplot。下面我们就来绘制各种图像：

二、图像

1、线图

函数：点击可以查看该函数源码

Axes3D.plot（self，xs，ys，* args，zdir ='z'，** kwargs ）

参数
xs	数据点的x坐标
ys	数据点的y坐标
zs	数据点的z坐标
zdir	{‘x’，‘y’，‘z’}绘制2D数据时，用作z的方向（“ x”，“ y”或“ z”）；默认为“ z”。
**kwargs	其他

代码：

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

t = np.linspace(0, 20, 100)
x = np.sin(t)
y = np.cos(t)

plt.plot(x, y, t)
plt.show()

效果图：

2、散点图

函数：点击可以查看该函数源码

Axes3D.scatter（self，xs，ys，zs = 0，zdir ='z'，s = 20，c = None，depthshade = True，* args，** kwargs ）

参数
xs，ys	数据点阵列的位置
zs	float类型或类似数组的参数，可选，默认值：0。表示 Z位置。长度与xs和 ys相同的数组，或者是将所有点放置在同一平面上的单个值。
zdir	{‘x’，‘y’，‘z’，’-x’，’-y’，’-z’}，可选，默认值：‘z’。zs的轴方向。在3D上绘制2D数据时，这很有用。数据必须作为xs，ys传递。然后将zdir设置 为“ y”，将数据绘制到xz平面上。
s	标量或阵列状，可选的，默认值：20。标记大小（以磅为单位）** 2。长度与xs和ys相同的数组或单个值可使所有标记的大小相同。
c	颜色，序列或颜色序列，可选
depthshade	bool，可选，默认值：True。是否为散射标记着色以提供深度外观。每次调用scatter()都会独立执行深度着色。

代码

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

x = np.random.randint(0, 10, size=50)
y = np.random.randint(0, 10, size=50)
z = np.random.randint(0, 10, size=50)
# 颜色
c = np.random.randint(0, 20, 50)
# 大小
s = np.abs(np.random.randn(50) * 80)
plt.scatter(x, y, zs=z, s=s, c=c)
plt.show()

效果图：

3、线框图

函数 ：点击可以查看该函数源码

Axes3D.plot_wireframe（self，X，Y，Z，* args，** kwargs ）

参数
x，y，z	数据
rcount，ccount	int类型。每个方向上使用的最大样本数。如果输入数据较大，则会将其下采样（通过切片）到这些点数。将计数设置为零会导致不在相应方向上对数据进行采样，从而生成3D线图而不是线框图。默认为50。
rstride，cstride	int类型。下采样在每个方向上都迈出大步。这些参数与rcount和ccount互斥。如果仅将 rstride或cstride中的一个设置，则其他默认设置为1。将stride设置为零会导致不在相应方向上采样数据，从而生成3D线图而不是线框图。

代码

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

x, y = np.mgrid[-1:1:10j, -1:1:10j]
z = x * np.exp(-x ** 2 - y ** 2)
ax.plot_wireframe(x, y, z)
plt.show()

加粗样式效果

4、表面图

函数 ：点击可以查看该函数源码

Axes3D.plot_surface（self，X，Y，Z，* args，norm = None，vmin = None，vmax = None，lightsource = None，** kwargs ）

参数
xyz	数组
rcount，ccount	int类型。每个方向上使用的最大样本数。如果输入数据较大，则会将其下采样（通过切片）到这些点数。默认为50。
rstride，cstride	int类型。下采样在每个方向上都迈出大步。这些参数与rcount和ccount互斥。如果仅设置rstride或cstride中的一个 ，则其他默认值为10。“经典”模式使用默认值而不是新的默认值。rstride = cstride = 10rcount = ccount = 50
color	表面补丁的颜色
cmap	表面补丁的颜色图
facecolors	每个补丁的颜色
norm	归一化。色彩图的标准化
vmin, vmax	浮动标准化的界限
shade	布尔类型是否着色。默认为True。cmap指定时，始终禁用阴影。
lightsource	当shadeTrue 时使用的光源

代码

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')
plt.show()

效果

5、三角网格图

该示例官方文档里面有提供与下方示例有细微差别

函数 ：点击可以查看该函数源码

Axes3D.plot_trisurf（self，* args，color = None，norm = None，vmin = None，vmax = None，lightsource = None，** kwargs ）

参数
X, Y, Z	数组
color	表面补丁的颜色
cmap	表面补丁的颜色图
norm	一个Normalize实例，用于将值映射到颜色。
vmin, vmax	标量，可选，默认值：无要映射的最小值和最大值。
shade	是否着色。默认为True。指定cmap时，始终禁用阴影。
lightsource	阴影为True 时使用的光源

代码

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.tri as mtri


fig = plt.figure()

u = np.linspace(0, 2.0 * np.pi, endpoint=True, num=50)
v = np.linspace(-0.5, 0.5, endpoint=True, num=10)
u, v = np.meshgrid(u, v)
u, v = u.flatten(), v.flatten()

# triple
x = (1 + 0.5 * v * np.cos(u / 2.0)) * np.cos(u)
y = (1 + 0.5 * v * np.cos(u / 2.0)) * np.sin(u)
z = 0.5 * v * np.sin(u / 2.0)

tri = mtri.Triangulation(u, v)

# Plot the surface.  The triangles in parameter space determine 
ax = fig.add_subplot(1, 1, 1, projection='3d')
ax.plot_trisurf(x, y, z, triangles=tri.triangles, cmap=plt.cm.Spectral)
ax.set_zlim(-1, 1)

效果

6、等高线图

函数 ：点击可以查看该函数源码

Axes3D.contour（self，X，Y，Z，* args，extend3d = False，stride = 5，zdir ='z'，offset = None，** kwargs ）

参数
XYZ	输入数组
extend3d	布尔类型。是否以3D延伸轮廓；默认为False
stride	延伸轮廓的步长
zdir	{‘x’，‘y’，‘z’}。基准轴；默认为“ z”
offset	标量。如果指定，则在垂直于zdir的平面上的此位置绘制轮廓线的投影

代码

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

ax.contour(X, Y, Z)
plt.show()

效果

7、填充等高线图

函数 ：点击可以查看该函数源码

Axes3D.contourf（self，X，Y，Z，* args，zdir ='z'，offset = None，** kwargs ）

参数
X，Y，Z	输入数据
zdir {‘x’，‘y’，‘z’}。使用说明；默认为“ z”。
offset	标量。如果指定，则在垂直于zdir的平面上的此位置绘制轮廓线的投影

代码：

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

ax.contourf(X, Y, Z)
plt.show()

效果：

未完待续……

---

如果觉得ok，点个赞，点个关注，也欢迎给个打赏支持一下编者的工作