扫码关注【牵引小哥讲Python】，关注回复【资源】领取学习资源！
本期小哥将简单讲解如何使用Matplotlib绘制3D坐标图。主要包含以下几方面内容：
- 3D绘图原理
- 3D曲面图绘制
ax.plot_surface() - 3D网格图绘制
ax.plot_wireframe() - 等高线的映射
ax.contour() / ax.contourf
官方参考链接：
https://matplotlib.org/tutorials/toolkits/mplot3d.html?highlight=plot_surface#surface-plots
1. 3D绘图的原理
与普通的2D图表相比，3D图表至少需要三个变量(x, y, z)。通过三个变量获得数据点在三维坐标中的位置，将这些的连接起来就得到了3D图表，这是最简单的理解。
在绘制3D曲面或者网格时，还有一种绘图思路。首先通过(x, y)获得在X-Y面上的坐标点，比如：
每一个坐标点对应一个高度z，将空间中的所有点连接起来，可获得一个网格曲面。
接下来，小哥以绘制 的函数图像为例，演示如何操作。
2. np.meshgrid()函数
在确定X-Y面上的坐标点时，为了获得点的坐标，需要使用np.meshgrid()函数。该函数用于生成网格点的坐标矩阵。
import numpy as np
x = np.arange(-10, 11, 1)
y = np.arange(-10, 11, 1)
X, Y = np.meshgrid(x, y) #生成网格点坐标矩阵
Z = X**2 + Y**2
3. 3D曲面图绘制ax.plot_surface()
import matplotlib.pyplot as plt
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
mpl.rcParams['font.size'] = 14
mpl.rcParams['figure.figsize'] = (6,5)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure()
ax = fig.gca(projection='3d') #生成3D Axes对象
ax.plot_surface(X, Y, Z, cmap=plt.cm.viridis) #使用viridis色谱
## 优化坐标轴
ax.set_xticks(np.arange(-15, 20, 5))
ax.set_yticks(np.arange(-15, 20, 5))
ax.set_zticks(np.arange(0, 250, 50))
ax.set_xlabel('X 轴', rotation=-15)
ax.set_ylabel('Y 轴', rotation=50)
ax.set_zlabel('Z 轴', rotation=90)
plt.show()
plt.tight_layout()
绘制3D图时，需注意3D Axes对象的生成方式。一般有以下三种：
fig = plt.figure()
#方法一
ax = fig.add_subplot(111, projection='3d')
#方法二
ax = Axes3D(fig)
#方法三
ax = fig.gca(projection='3d')
4. 3D网格图绘制ax.plot_wireframe()
ax.plot_wireframe(X, Y, Z)
5. 等高线的映射
线型映射ax.contour()：
ax.contour(X, Y, Z, zdir='x', offset=0, cmap=plt.cm.viridis)
# zdir='x'控制映射的坐标轴平面，offset=0控制等高线图层与坐标轴平面距离
填充型映射ax.contourf()：
ax.contourf(X, Y, Z, zdir='z', offset=0, cmap=plt.cm.viridis)
# zdir='z'控制映射的坐标轴平面，offset=0控制等高线图层与坐标轴平面距离