快捷導(dǎo)航

Python三維繪圖之Matplotlib庫(kù)的使用方法

更新時(shí)間：2020年09月20日 16:24:51 作者：hitrjj

這篇文章主要給大家介紹了關(guān)于Python三維繪圖之Matplotlib庫(kù)的使用方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

前言

在遇到三維數(shù)據(jù)時(shí)，三維圖像能給我們對(duì)數(shù)據(jù)帶來(lái)更加深入地理解。python的matplotlib庫(kù)就包含了豐富的三維繪圖工具。

1.創(chuàng)建三維坐標(biāo)軸對(duì)象Axes3D

創(chuàng)建Axes3D主要有兩種方式，一種是利用關(guān)鍵字projection='3d'l來(lái)實(shí)現(xiàn)，另一種則是通過(guò)從mpl_toolkits.mplot3d導(dǎo)入對(duì)象Axes3D來(lái)實(shí)現(xiàn)，目的都是生成具有三維格式的對(duì)象Axes3D.

#方法一，利用關(guān)鍵字
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定義坐標(biāo)軸
fig = plt.figure()
ax1 = plt.axes(projection='3d')
#ax = fig.add_subplot(111,projection='3d') #這種方法也可以畫多個(gè)子圖


#方法二，利用三維軸方法
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定義圖像和三維格式坐標(biāo)軸
fig=plt.figure()
ax2 = Axes3D(fig)

2.三維曲線和散點(diǎn)

隨后在定義的坐標(biāo)軸上畫圖：

import numpy as np
z = np.linspace(0,13,1000)
x = 5*np.sin(z)
y = 5*np.cos(z)
zd = 13*np.random.random(100)
xd = 5*np.sin(zd)
yd = 5*np.cos(zd)
ax1.scatter3D(xd,yd,zd, cmap='Blues') #繪制散點(diǎn)圖
ax1.plot3D(x,y,z,'gray') #繪制空間曲線
plt.show()

在這里插入圖片描述

3.三維曲面

下一步畫三維曲面：

fig = plt.figure() #定義新的三維坐標(biāo)軸
ax3 = plt.axes(projection='3d')

#定義三維數(shù)據(jù)
xx = np.arange(-5,5,0.5)
yy = np.arange(-5,5,0.5)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(X)+np.cos(Y)


#作圖
ax3.plot_surface(X,Y,Z,cmap='rainbow')
#ax3.contour(X,Y,Z, zdim='z',offset=-2，cmap='rainbow) #等高線圖，要設(shè)置offset，為Z的最小值
plt.show()

在這里插入圖片描述

如果加入渲染時(shí)的步長(zhǎng)，會(huì)得到更加清晰細(xì)膩的圖像：
ax3.plot_surface(X,Y,Z,rstride = 1, cstride = 1,cmap='rainbow'),其中的row和cloum_stride為橫豎方向的繪圖采樣步長(zhǎng)，越小繪圖越精細(xì)。

在這里插入圖片描述

4.等高線

同時(shí)還可以將等高線投影到不同的面上：

from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定義坐標(biāo)軸
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')

#生成三維數(shù)據(jù)
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))

#作圖
ax4.plot_surface(X,Y,Z,alpha=0.3,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
ax4.contour(X,Y,Z,zdir='x', offset=-6,cmap="rainbow") #生成x方向投影，投到y(tǒng)-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()函數(shù)

#設(shè)定顯示范圍
ax4.set_xlabel('X')
ax4.set_xlim(-6, 4) #拉開(kāi)坐標(biāo)軸范圍顯示投影
ax4.set_ylabel('Y')
ax4.set_ylim(-4, 6)
ax4.set_zlabel('Z')
ax4.set_zlim(-3, 3)

plt.show()

在這里插入圖片描述

5.隨機(jī)散點(diǎn)圖

可以利用scatter()生成各種不同大小，顏色的散點(diǎn)圖，其參數(shù)如下：

#函數(shù)定義
matplotlib.pyplot.scatter(x, y, 
	s=None,  #散點(diǎn)的大小 array scalar
	c=None,  #顏色序列  array、sequency
	marker=None,  #點(diǎn)的樣式
	cmap=None,  #colormap 顏色樣式
	norm=None,  #歸一化 歸一化的顏色camp
	vmin=None, vmax=None,  #對(duì)應(yīng)上面的歸一化范圍
 	alpha=None,   #透明度
	linewidths=None,  #線寬
	verts=None,  #
	edgecolors=None, #邊緣顏色
	data=None, 
	**kwargs
	)
#ref:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html

from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定義坐標(biāo)軸
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')

#生成三維數(shù)據(jù)
xx = np.random.random(20)*10-5  #取100個(gè)隨機(jī)數(shù)，范圍在5~5之間
yy = np.random.random(20)*10-5
X, Y = np.meshgrid(xx, yy)
Z = np.sin(np.sqrt(X**2+Y**2))

#作圖
ax4.scatter(X,Y,Z,alpha=0.3,c=np.random.random(400),s=np.random.randint(10,20, size=(20, 40)))   #生成散點(diǎn).利用c控制顏色序列,s控制大小

#設(shè)定顯示范圍

plt.show()

在這里插入圖片描述