python绘制3D图表

pyecharts绘制3D图表
参数配置和说明
Grid3DOpts、Axis3DOpts为3D图标需要配置项
Grid3DOpts：三位坐标系配置项
class pyecharts.options.Grid3DOpts

class Grid3DOpts(# 三维笛卡尔坐标系组件在三维场景中的宽度width: Numeric = 200,# 三维笛卡尔坐标系组件在三维场景中的高度。height: Numeric = 100,# 三维笛卡尔坐标系组件在三维场景中的深度。depth: Numeric = 80,# 是否开启视角绕物体的自动旋转查看。is_rotate: bool = False,# 物体自转的速度。单位为角度 / 秒，默认为10 ，也就是 36 秒转一圈。rotate_speed: Numeric = 10,# 旋转操作的灵敏度，值越大越灵敏。支持使用数组分别设置横向和纵向的旋转灵敏度。# 设置为0后无法旋转。rotate_sensitivity: Numeric = 1,
)

Axis3DOpts: 三位坐标轴配置项

class Axis3DOpts(data: Optional[Sequence] = None,# 坐标轴类型。可选：# 'value': 数值轴，适用于连续数据。# 'category': 类目轴，适用于离散的类目数据，为该类型时必须通过 data 设置类目数据。# 'time': 时间轴，适用于连续的时序数据，与数值轴相比时间轴带有时间的格式化，在刻度计算上也有所不同，# 例如会根据跨度的范围来决定使用月，星期，日还是小时范围的刻度。# 'log' 对数轴。适用于对数数据。type_: Optional[str] = None,# 坐标轴名称。name: Optional[str] = None,# 坐标轴名称与轴线之间的距离，注意是三维空间的距离而非屏幕像素值。name_gap: Numeric = 20,# 坐标轴刻度最小值。# 可以设置成特殊值 'dataMin'，此时取数据在该轴上的最小值作为最小刻度。# 不设置时会自动计算最小值保证坐标轴刻度的均匀分布。# 在类目轴中，也可以设置为类目的序数（如类目轴 data: ['类A', '类B', '类C'] 中，序数 2 表示 '类C'。# 也可以设置为负数，如 -3）。min_: Union[str, Numeric, None] = None,# 坐标轴刻度最大值。# 可以设置成特殊值 'dataMax'，此时取数据在该轴上的最大值作为最大刻度。# 不设置时会自动计算最大值保证坐标轴刻度的均匀分布。# 在类目轴中，也可以设置为类目的序数（如类目轴 data: ['类A', '类B', '类C'] 中，序数 2 表示 '类C'。# 也可以设置为负数，如 -3）。max_: Union[str, Numeric, None] = None,# 坐标轴的分割段数，需要注意的是这个分割段数只是个预估值，最后实际显示的段数会在这个# 基础上根据分割后坐标轴刻度显示的易读程度作调整。# 在类目轴中无效。splitnum: Optional[Numeric] = None,# 强制设置坐标轴分割间隔。# 因为 splitNumber 是预估的值，实际根据策略计算出来的刻度可能无法达到想要的效果，# 这时候可以使用 interval 配合 min、max 强制设定刻度划分，一般不建议使用。# 无法在类目轴中使用。在时间轴（type: 'time'）中需要传时间戳，在对数轴（type: 'log'）中需要传指数值。interval: Optional[Numeric] = None,margin: Numeric = 8,textstyle_opts: Union[TextStyleOpts, dict, None] = None,)

所有3D图表均拥有以下方法

def add(# 系列名称，用于 tooltip 的显示，legend 的图例筛选。series_name: str,# 系列数据data: Sequence,# 三维柱状图中三维图形的着色效果。# color：只显示颜色，不受光照等其它因素的影响。# lambert：通过经典的 lambert 着色表现光照带来的明暗。# realistic：真实感渲染，配合 light.ambientCubemap 和 postEffect 使用可以让展示的画面效果和质感有质的提升。# ECharts GL 中使用了基于物理的渲染（PBR) 来表现真实感材质。shading: Optional[str] = None,# 图元配置项，参考 `series_options.ItemStyleOpts`itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None# 标签配置项，参考 `series_options.LabelOpts`label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(is_show=False),# 3D X 坐标轴配置项，参考 `Axis3DOpts`xaxis3d_opts: Union[opts.Axis3DOpts, dict] = opts.Axis3DOpts(type_="category"),# 3D Y 坐标轴配置项，参考 `Axis3DOpts`yaxis3d_opts: Union[opts.Axis3DOpts, dict] = opts.Axis3DOpts(type_="category"),# 3D Z 坐标轴配置项，参考 `Axis3DOpts`zaxis3d_opts: Union[opts.Axis3DOpts, dict] = opts.Axis3DOpts(type_="value"),# 三维笛卡尔坐标系配置项，参考 `Grid3DOpts`grid3d_opts: Union[opts.Grid3DOpts, dict] = opts.Grid3DOpts(),
)

Example:
绘制3D柱状图
Bar3D

import randomfrom pyecharts import options as opts
# 导入绘制三维柱状图的库 Bar3D
from pyecharts.charts import Bar3D
from pyecharts.faker import Fakerdata = [(i, j, random.randint(0, 12)) for i in range(6) for j in range(24)]
c = (Bar3D().add("",[[d[1], d[0], d[2]] for d in data],xaxis3d_opts=opts.Axis3DOpts(Faker.clock, type_="category"),yaxis3d_opts=opts.Axis3DOpts(Faker.week_en, type_="category"),zaxis3d_opts=opts.Axis3DOpts(type_="value"),).set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=20),title_opts=opts.TitleOpts(title="Bar3D-基本示例"),)
)
c.render_notebook()

需要说明一下pyecharts.fakter
Faker数据集是Pyecharts自带的数据集.Pyecharts图标案例中使用的可视化数据来源都源于pyecharts中的faker.py文件.
Lin3d：3D折线图

import mathimport pyecharts.options as opts
from pyecharts.charts import Line3Dweek_en = "Saturday Friday Thursday Wednesday Tuesday Monday Sunday".split()
clock = ("12a 1a 2a 3a 4a 5a 6a 7a 8a 9a 10a 11a 12p ""1p 2p 3p 4p 5p 6p 7p 8p 9p 10p 11p".split()
)data = []
for t in range(0, 25000):_t = t / 1000x = (1 + 0.25 * math.cos(75 * _t)) * math.cos(_t)y = (1 + 0.25 * math.cos(75 * _t)) * math.sin(_t)z = _t + 2.0 * math.sin(75 * _t)data.append([x, y, z])c=(Line3D().add("",data,xaxis3d_opts=opts.Axis3DOpts(data=clock, type_="value"),yaxis3d_opts=opts.Axis3DOpts(data=week_en, type_="value"),grid3d_opts=opts.Grid3DOpts(width=100, height=100, depth=100),).set_global_opts(visualmap_opts=opts.VisualMapOpts(dimension=2,max_=30,min_=0,range_color=["#313695","#4575b4","#74add1","#abd9e9","#e0f3f8","#ffffbf","#fee090","#fdae61","#f46d43","#d73027","#a50026",],))
)
c.render_notebook()

3D图还包括
Surface3D：3D曲面图
Scatter3D：3D散点图
Map3D：三维地图等等还有介绍pyecharts的全局配置项和系列配置项，可以完成一个完成的网页可视化展示都在官网https://pyecharts.org/#/zh-cn/intro,有不懂的可以留言，或者更好的代码，欢迎大家一起讨论

python绘制3D图表相关推荐

【Python】利用Python绘制3D图表
代码 ''' Author: CloudSir Date: 2021-07-28 10:57:47 LastEditTime: 2021-08-04 17:33:07 LastEditors: Clo ...
python数据可视化第七节(绘制3D图表和统计地图)
7.1 使用mplot3绘制3D图表 7.1.1 mplot3D概述 mplot3d 是 matplotlib中专门经制 3D图表的工具包,它主要包含一个继承自 Axes 的子类Axes3D,使用 A ...
python大数据可视化坐标轴的定制与绘制3D图表及统计地图
一.坐标轴的定制 1.概述: 坐标轴及其组成部分对应着matplotlib中一些类的对象︰坐标轴是axis.Axis类的对象,x轴是axis.Xaxis类的对象,y轴是axis.Yaxis类的对象;轴 ...
数据可视化——绘制3D图表和绘制地图
一.使用mplot3d绘制3D图表 1.1.mplot3d概述 matplotlib不仅专注于二维图表的绘制,也具有绘制3D图表.统计地图的功能,并将这些功能分别封装到工具包mpl_toolkits. ...
python绘制3d图-Python绘制3D图形
3D图形在数据分析.数据建模.图形和图像处理等领域中都有着广泛的应用,下面将给大家介绍一下如何使用python进行3D图形的绘制,包括3D散点.3D表面.3D轮廓.3D直线(曲线)以及3D文字等的绘制 ...
用python绘制柱状图标题-如何用Python绘制3D柱形图
本文主要讲解如何使用python绘制三维的柱形图,如下图源代码如下: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 2 ...
用Python绘制棒棒糖图表，真的好看！
作者 | 小F 责编 | 欧阳姝黎条形图在数据可视化里,是一个经常被使用到的图表. 虽然很好用,也还是存在着缺陷呢.比如条形图条目太多时,会显得臃肿,不够直观. 棒棒糖图表则是对条形图的 ...
python画3d图-Python绘制3D图形
来自:https://www.jb51.net/article/139349.htm 3D图形在数据分析.数据建模.图形和图像处理等领域中都有着广泛的应用,下面将给大家介绍一下如何使用python进行 ...
大数据可视化坐标轴的定制与绘制3D图表及统计地图
一.坐标轴的定制 1.概述: 坐标轴及其组成部分对应着matplotlib中一些类的对象︰坐标轴是axis.Axis类的对象,x轴是axis.Xaxis类的对象,y轴是axis.Yaxis类的对象;轴 ...

python绘制3D图表

python绘制3D图表相关推荐

最新文章

热门文章