菜鸡的第一篇博客。学习一下大佬的笔记。

1.创建三维坐标轴对象Axes3D

方法一、利用关键字“projection=3D”来实现

#方法一、利用关键字”objection=3d“
from matplotlib import pyplot as plt

#定义坐标轴
fig=plt.figure()
ax1=plt.axes(projection='3d')

方法二、利用三维轴通过从mpl_toolkits.mplot3d导入 Axes3D

#方法二、利用三维轴
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定义图像和三维格式坐标轴
fig=plt.figure()
ax2=Axes3D(fig)

2.三维曲线和散点

随后在定义的坐标轴上画图。

import numpy as np
# 基于ax1变量绘制三维图
#设置xyz方向的变量（空间曲线）
z=np.linspace(0,13,1000)#在1~13之间等间隔取1000个点
x=5*np.sin(z)
y=5*np.cos(z)

#设置xyz方向的变量（散点图）
zd=13*np.random.random(100)
xd=5*np.sin(zd)
yd=5*np.cos(zd)

#设置坐标轴
ax1.set_xlabel('X')
ax1.set_ylabel('Y')
ax1.set_zlabel('Z')
ax1.scatter(xd,yd,zd,cmap='Blues') #绘制散点图
ax1.plot3D(x,y,z,'gray')#绘制空间曲线
plt.show()#显示图像

 

3.空间曲面 

import numpy as np

#定义新坐标轴
fig=plt.figure()
ax3=plt.axes(projection='3d')

#定义三维数据
xx=np.arange(-5,5,0.5)
yy=np.arange(-5,5,0.5)

#生成网格点坐标矩阵,对x和y数据执行网格化
X,Y=np.meshgrid(xx,yy)

#计算z轴数据
Z=np.sin(X)+np.cos(Y)

#绘图
#函数plot_surface期望其输入结构为一个规则的二维网格
ax3.plot_surface(X,Y,Z,cmap='rainbow') #cmap是颜色映射表
plt.title("3D")
plt.show()

 

如果加入渲染时的步长，会得到更加清晰细腻的图像 。其中的row和cloum_stride为横竖方向的绘图采样步长，越小绘图越精细。

import numpy as np

#定义新坐标轴
fig=plt.figure()
ax3=plt.axes(projection='3d')

#定义三维数据
xx=np.arange(-5,5,0.1)
yy=np.arange(-5,5,0.1)

#生成网格点坐标矩阵,对x和y数据执行网格化
X,Y=np.meshgrid(xx,yy)

#计算z轴数据
Z=np.sin(X)+np.cos(Y)

#绘图
ax3.plot_surface(X,Y,Z,rstride = 1, cstride = 1,cmap='rainbow') #cmap是颜色映射表
plt.title("3D")
plt.show()

 

 

4.等高线

将等高线投影到不同的面上 

import numpy as np

#定义新坐标轴
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')

#生成三维数据
xx = np.arange(-5,5,0.1)
yy = np.arange(-5,5,0.1)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(np.sqrt(X**2+Y**2))

#作图
ax4.plot_surface(X,Y,Z,alpha=0.8,cmap='winter')     #生成表面， alpha 用于控制透明度
ax4.contour(X,Y,Z,zdir='z', offset=-3,cmap="rainbow")  #生成z方向投影，投到x-y平面,offset表示离视角轴0点的距离
ax4.contour(X,Y,Z,zdir='x', offset=-6,cmap="rainbow")  #生成x方向投影，投到y-z平面
ax4.contour(X,Y,Z,zdir='y', offset=6,cmap="rainbow")   #生成y方向投影，投到x-z平面
#ax4.contourf(X,Y,Z,zdir='y', offset=6,cmap="rainbow")   #生成y方向投影填充，投到x-z平面，contourf()函数

#设定显示范围
ax4.set_xlabel('X')
ax4.set_xlim(-6, 4)  #设置坐标轴范围显示投影
ax4.set_ylabel('Y')
ax4.set_ylim(-4, 6)
ax4.set_zlabel('Z')
ax4.set_zlim(-3, 3)

plt.show()

5.随机散点图 

利用scatter生成随机散点图。

#函数定义
matplotlib.pyplot.scatter(x, y, 
	s=None,   #散点的大小 array  scalar
	c=None,   #颜色序列   array、sequency
	marker=None,   #点的样式
	cmap=None,    #colormap 颜色样式
	norm=None,    #归一化  归一化的颜色camp
	vmin=None, vmax=None,    #对应上面的归一化范围
 	alpha=None,     #透明度
	linewidths=None,   #线宽
	verts=None,   #
	edgecolors=None,  #边缘颜色
	data=None, 
	**kwargs
	)
#ref:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html

import numpy as np

#定义坐标轴
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')

#生成三维数据
xx = np.random.random(20)*10-5   #取100个随机数，范围在5~5之间
yy = np.random.random(20)*10-5
X, Y = np.meshgrid(xx, yy)
Z = np.sin(np.sqrt(X**2+Y**2))

#作图
ax4.scatter(X,Y,Z,alpha=0.3,c=np.random.random(400),s=np.random.randint(10,20,size=(20, 20)))     #生成散点.利用c控制颜色序列,s控制大小

plt.show()

 

参考链接：Python三维绘图--Matplotlib_TomRen-CSDN博客_python画三维图