python3d立体相册代码_Python 30 行代码画各种 3D 图形

在之前的文章有讲解过 Matplotlib 的用法，可能有的小伙伴们已经略有忘记，如果有不熟悉的读者朋友们请回顾 Matplotlib学习进阶 ，今天文章教大家如何用不到 30 行代码绘制 Matplotlib 3D 图形，Matplotlib 绘制的都是平面 3D 图形，接下来上才艺

回顾 2D 作图

用赛贝尔曲线作 2d 图。此图是用基于 Matplotlib 的 Path 通过赛贝尔曲线实现的，有对赛贝尔曲线感兴趣的朋友们可以去学习学习，在 matplotlib 中，figure 为画布，axes 为绘图区，fig.add_subplot()、plt.subplot() 方法均可以创建子图。以下是作图实践。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36import matplotlib.path as mpath

import matplotlib.patches as mpatches

import matplotlib.pyplot as plt

fig, ax = plt.subplots()

#定义绘图指令与控制点坐标Path = mpath.Path

# Path 控制坐标点绘制贝塞尔曲线

# 图形数据构造

# MOVETO表示将绘制起点移动到指定坐标

# CURVE4表示使用4个控制点绘制3次贝塞尔曲线

# CURVE3表示使用3个控制点绘制2次贝塞尔曲线

# LINETO表示从当前位置绘制直线到指定位置

# CLOSEPOLY表示从当前位置绘制直线到指定位置，并闭合多边形path_data = [

(Path.MOVETO, (1.88, -2.57)),

(Path.CURVE4, (0.35, -1.1)),

(Path.CURVE4, (-1.75, 1.5)),

(Path.CURVE4, (0.375, 2.0)),

(Path.LINETO, (0.85, 1.15)),

(Path.CURVE4, (2.2, 3.2)),

(Path.CURVE4, (3, 0.05)),

(Path.CURVE4, (2.0, -1.5)),

(Path.CLOSEPOLY, (1.58, -2.57)),

]

codes,verts = zip(*path_data)

path = mpath.Path(verts, codes)

patch = mpatches.PathPatch(path, facecolor='r', alpha=0.5)

ax.add_patch(patch)

# plot control points and connecting linesx, y = zip(*path.vertices)

line, = ax.plot(x, y, 'go-')

ax.grid()

ax.axis('equal')

plt.show()

3D 帽子图1

Matplotlib 绘制 3D 图形使用 mplot3d Toolkit 即 mplot3d 工具包，在 matplotlib 中使用 mplot3d 工具包。绘制 3D 图可以通过创建子图，然后指定 projection 参数 为 3d 即可，返回的 ax 为 Axes3D 对象。mplot3d 官方学习文档

导入包：

1

2

3from matplotlib import cm

from matplotlib.ticker import LinearLocator, FormatStrFormatter

from mpl_toolkits.mplot3d import Axes3D

绘图全过程：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29import matplotlib.pyplot as plt

from matplotlib import cm

from matplotlib.ticker import LinearLocator, FormatStrFormatter

from mpl_toolkits.mplot3d import Axes3D

import numpy as np

fig = plt.figure()

# 指定图形类型是 3d 类型ax = fig.add_subplot(projection='3d')

# 构造数据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)

# Plot the surface.surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,

linewidth=0, antialiased=False)

# Customize the z axis.ax.set_zlim(-1.01, 1.01)

ax.zaxis.set_major_locator(LinearLocator(10))

ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))

# Add a color bar which maps values to colors.fig.colorbar(surf, shrink=0.5, aspect=5)

plt.show()

呈现效果：

3D 帽子图2

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()

# 指定图形类型为 3d 类型ax = fig.add_subplot(111, projection='3d')

# X, Y valueX = np.arange(-5, 5, 0.25)

Y = np.arange(-5, 5, 0.25)

# 设置 x-y 平面的网格X, Y = np.meshgrid(X, Y)

R = np.sqrt(X ** 2 + Y ** 2)

# height valueZ = np.sin(R)

# rstride:行之间的跨度 cstride:列之间的跨度

# rcount:设置间隔个数，默认50个，ccount:列的间隔个数 不能与上面两个参数同时出现

#vmax和vmin 颜色的最大值和最小值ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))

# zdir : 'z' | 'x' | 'y' 表示把等高线图投射到哪个面

# offset : 表示等高线图投射到指定页面的某个刻度ax.contourf(X,Y,Z,zdir='z',offset=-2)

# 设置图像z轴的显示范围，x、y轴设置方式相同ax.set_zlim(-2,2)

plt.show()

3D 线性图

3D 线性图使用 Axes3D.plot来绘制

绘画的基本方法：Axes3D.plot(xs, ys[, zs, zdir=’z’, *args, **kwargs])

参数说明：

参数

描述

xs

一维数组，点的 x 轴坐标

ys

一维数组，点的 y 轴坐标

zs

一维数组，可选项，点的 z 轴坐标

zdir

可选项，在 3D 轴上绘制 2D 数据时，数据必须以 xs，ys 的形式传递，若此时将 zdir 设置为 ‘y’，数据将会被绘制到 x-z 轴平面上，默认为 ‘z’

**kwargs

其他关键字参数，可选项，可参见 matplotlib.axes.Axes.plot

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

# 依次获取画布和绘图区并创建 Axes3D 对象fig = plt.figure()

ax = fig.gca(projection='3d')

# 第一条3D线性图数据theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)

z1 = np.linspace(-2, 2, 100)

r = z1**2 + 1

x1 = r * np.sin(theta)

y1 = r * np.cos(theta)

# 第二条3D线性图数据z2 = np.linspace(-3, 3, 100)

x2 = np.sin(z2)

y2 = np.cos(z2)

# 绘制3D线性图ax.plot(x1, y1, z1, color='b', label='3D Line1')

ax.plot(x2, y2, z2, color='r', label='3D Line2')

# 设置标题、轴标签、图例，也可以直接使用 plt.title、plt.xlabel、plt.legend...ax.set_title('3D Line View', pad=15, fontsize='10')

ax.set_xlabel('x ', color='r', fontsize='14')

ax.set_ylabel('y ', color='g', fontsize='14')

ax.set_zlabel('z ', color='b', fontsize='14')

ax.legend()

plt.show()

结果显示：

3D 散点图

绘制 3D 散点图的基本方法是：Axes3D.scatter(xs, ys[, zs=0, zdir=’z’, s=20, c=None, depthshade=True, *args, **kwargs])

参数详解：

参数

描述

xs

一维数组，点的 x 轴坐标

ys

一维数组，点的 y 轴坐标

zs

一维数组，可选项，点的 z 轴坐标

zdir

可选项，在 3D 轴上绘制 2D 数据时，数据必须以 xs，ys 的形式传递，若此时将 zdir 设置为 ‘y’，数据将会被绘制到 x-z 轴平面上，默认为 ‘z’

s

标量或数组类型，可选项，标记的大小，默认 20

c

标记的颜色，可选项，可以是单个颜色或者一个颜色列表支持英文颜色名称及其简写、十六进制颜色码等，更多颜色示例参见官网 Color Demo

depthshade

bool 值，可选项，默认 True，是否为散点标记着色以提供深度外观

**kwargs

其他关键字

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27import matplotlib.pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

def randrange(n, vmin, vmax):

return (vmax - vmin) * np.random.rand(n) + vmin

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

n = 100

# For each set of style and range settings, plot n random points in the box

# defined by x in [23, 32], y in [0, 100], z in [zlow, zhigh].for c, m, zlow, zhigh in [('r', 'o', -50, -25), ('b', '^', -30, -5)]:

xs = randrange(n, 23, 32)

ys = randrange(n, 0, 100)

zs = randrange(n, zlow, zhigh)

ax.scatter(xs, ys, zs, c=c, marker=m)

ax.set_title('3D Diagram View', pad=15, fontsize='10')

ax.set_xlabel('x ', color='r', fontsize='14')

ax.set_ylabel('y ', color='g', fontsize='14')

ax.set_zlabel('z ', color='b', fontsize='14')

plt.show()

结果显示为：

总结

本文主要是讲述使用 Python 第三方库 Matplotlib 来绘画 3D 图形，当然除了小编绘画的这些还有更多好看的图形，主一个好的图形能给我们带来不一样的视觉享受，同时也可以帮助我们学到很多知识，做出很多有成就感的东西，但最关键的是思维，技术始终是实现一个产品或者目标的工具，我想这就是 Python 最具魔力的地方吧！大伙都实践起来呀~