Matplotlib系列(五)：三维绘图
Matplotlib系列目录
文章目录
- 一、 简介
- 二、 思维导图
- 三、 Matplotlib三维图形
- 1. 绘制3d图形
- 2. 基本三维图像
- 2.1 3d折线图
- 2.2 3d散点图
- 2.3 3d柱形图
- 2.4 3d火柴图
- 2.5 3d误差图
- 3. 三维曲面
- 3.1 3d网格面
- 3.2 3d曲面
- 3.3 3d非结构化三角网格
- 3.4 3d非结构化网格等值线
- 4. 3d标量矢量场
- 4.1 3d等高线
- 4.2 3d矢量图
- 5. 其他
- 5.1 3d文本
- 5.2 图形旋转
- 5.3 三维体元素
- 参考文章
一、 简介
matplotlib现在已经支持很多3D绘图功能了，并且也非常好用。
弥补了早期版本不支持3D绘图的缺憾。
Matplotlib系列将Matplotlib的知识和重点API，编制成思维导图和重点笔记形式，方便记忆和回顾，也方便应用时参考，初学者也可以参考逐步深入学习。
二、 思维导图
三、 Matplotlib三维图形
1. 绘制3d图形
方法1：子图设置projection为3d
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()ax = fig.add_subplot(projection='3d')
方法2：自行创建Axes3D对象
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()ax = Axes3D(fig)
三维绘图示例
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()ax3d = fig.add_subplot(projection='3d') #创建3d坐标系
# from mpl_toolkits.mplot3d import Axes3D
# ax = Axes3D(fig) #创建3d坐标系的第二种方法theta = np.linspace(-2 * np.pi, 2 * np.pi, 100)
x = np.sin(theta)
y = np.cos(theta)
z = np.linspace(-2, 2, 100)ax3d.plot(x,y,z) #绘制3d螺旋线plt.show()
2. 基本三维图像
2.1 3d折线图
在三维坐标系可以用plot函数绘制三维的线条，还可以绘制平面曲线。
- ax3d.plot(x,y,z)：绘制三维曲线。
- zdir参数绘制平面图
- ax3d.plot(x,y,zdir=‘z’)：在z=0的xy平面绘制曲线
- ax3d.plot(x,y,2,zdir=‘z’)：在z=2的xy平面绘制曲线
- ax3d.plot(y,z,zdir=‘x’)：在x=0的yz平面绘制曲线。zdir也可以为’y’
- ax3d.plot(y,z,2,zdir=‘x’)：在x=2的yz平面绘制曲线
- 其他参数与二维坐标系ax.plot函数一致。注意三维plot不支持fmt参数。
- zdir参数绘制平面图
ax3d.plot3D()与ax3d.plot完全相同。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系theta = np.linspace(-2 * np.pi, 2 * np.pi, 100)
x = np.sin(theta)
y = np.cos(theta)
z = np.linspace(0.5, 1.5, 100)ax3d.plot(x,y,z) #绘制3d螺旋线
ax3d.plot(x,y,zdir='z') #绘制x,y平面图形
ax3d.plot(x,y,2,zdir='z') #绘制x,y平面图形指定高度z为2
ax3d.plot(y,z,zdir='x') #绘制y,z平面图
ax3d.plot(y,z,-2,zdir='x') #绘制y,z平面图,指定x坐标值为-2plt.show()
2.2 3d散点图
在三维坐标系可以用scatter函数绘制三维的散点图，还可以绘制平面散点图。
- ax3d.scatter(x,y,z)：绘制三维散点图。
- 平面绘制散点图
- ax3d.scatter(x,y,zdir=‘z’)：在z=0的xy平面绘制散点图
- ax3d.scatter(x,y,2,zdir=‘z’)：在z=2的xy平面绘制散点图
- ax3d.scatter(y,z,zdir=‘x’)：在x=0的yz平面绘制散点图。zdir也可以为’y’
- ax3d.scatter(y,z,2,zdir=‘x’)：在x=2的yz平面绘制散点图
- s,c,marker,ms等参数与二维坐标系参数相同。并且都可以是列表
- 平面绘制散点图
其他参数与二维plot一致。注意三维plot不支持fmt参数。
ax3d.scatter3D()与ax3d.scatter完全相同。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系x = np.random.randn(50)
y = np.random.randn(50)
z = np.random.randn(50)
s = np.random.randn(50)*100#ax3d.scatter(x,y,z) #绘制3d散点图
#ax3d.scatter(x,y,z,marker=['*','o',...]) #设置不同的点样式
ax3d.scatter(x,y,z,s=s,c=s) #绘制3d散点图
ax3d.scatter(x,y,-3,zdir='z',c='r') #3d坐标系绘制平面散点plt.show()
2.3 3d柱形图
在三维坐标系，绘制三尾柱形图。
ax3d.bar3d(x,y,z,dx,dy,dz)：在x,y,z点绘制长、宽、高分别为dx,dy,dz的三维柱形图。- color参数：指定颜色；长度为N的颜色列表为每个柱形指定颜色；长度为6N的颜色列表为每个柱形的六个面(下,上,-Y,+Y,-X,+X)分别制定颜色。
ax3d.bar函数可以在三维坐标系里不同平面上绘制一系列二维柱形图。
注意ax3d.bar3d是小写3d，与ax3d.bar功能是不同的。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系
np.random.seed(202201)x = np.arange(5)
y = np.arange(5)
z = np.zeros(5) #柱子底部坐标
dx=1 #柱子平面宽度
dy=1 #柱子平面深度
dz=np.random.randint(1,15,5) #柱子高度ax3d.bar3d(x,y,z,dx,dy,dz) #绘制3d柱形图plt.show()
2.4 3d火柴图
绘制三维坐标的火柴图。
- ax3d.stem(x,y,z)：绘制火柴图，在x,y,z坐标处会火柴头，火柴根在x,y平面，z=0坐标
- ax3d.stem(x,y,z,orientation=‘x’,bottom=0)：绘制火柴图，火柴根在y,z平面，x=0坐标
其他参数与二维stem一致。
ax3d.stem3D()与ax3d.stem完全相同。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系
np.random.seed(202201)t=np.linspace(-np.pi,np.pi,50)
x = np.sin(t)
y = np.cos(t)
z = np.linspace(-2,2,50)ax3d.stem(x,y,z) #绘制3d火柴图
#ax3d.stem(x,y,z,orientation="x", bottom=-2) #火柴根在yz平面plt.show()
2.5 3d误差图
- ax3d.errorbar(x,y,z,zerr)：根据x,y,z绘制曲线，并在x,y,z处根据zerr绘制误差线。zerr可以是数值也可以是数组
- ax3d.errorbar(x,y,z,zerr,yerr,xerr)：同时绘制x,y,z三个方向的误差线。注意是三根误差线分别绘制。
- ax3d.errorbar(x,y,z,zerr,capsize=2,errorevery=2) ：errorevery表示每两个数据点绘制一个误差线。
capsize, ecolor,fmt,elinewidth等参数与二维误差图相同。
注意，没有errorbar3D函数。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系
np.random.seed(202201)t=np.linspace(-np.pi,np.pi,50)
x = np.sin(t)
y = np.cos(t)
z = np.linspace(-4,4,50)
zerr=np.random.randn(50)#ax3d.errorbar(x,y,z,zerr,capsize=2) #只有z方向误差
#ax3d.errorbar(x,y,z,zerr,0.2,0.1,capsize=2) #同时显示zerr,yerr,xerr，注意是三个误差线
ax3d.errorbar(x,y,z,zerr,capsize=2,errorevery=2) #每两个数据点绘制一个误差线。plt.show()
3. 三维曲面
3.1 3d网格面
绘制三维网格曲面
- ax3d.plot_wireframe(x,y,z)：x,y,z均为二维数组，根据数据绘制网格面
- ax3d.plot_wireframe(x,y,z,rstride=2,cstride=2)：两行/列数据显示为一条线
- ax3d.plot_wireframe(x,y,z,rcount=10,ccount=12)：设置最大显示线条数
edgecolor, facecolor, linewidths, linestyles, capstyle, cmap等参数与二维绘图函数相同
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系x,y=np.mgrid[-2:2:0.2,-2:2:0.2]
z = x*np.exp(-x**2-y**2)#ax3d.plot_wireframe(x,y,z)
#ax3d.plot_wireframe(x,y,z,rstride=2,cstride=2)# 两条线合并为一条线
ax3d.plot_wireframe(x,y,z,rcount=10,ccount=12)#设置最大显示线条数plt.show()
3.2 3d曲面
绘制三维曲面。默认情况下，它将以纯色的阴影着色，但它也通过提供cmap参数来支持颜色映射。
- ax3d.plot_surface(x,y,z)：x,y,z均为二维数组，根据数据绘制曲面
rcount,ccount,rstride,cstride参数和plot_wireframe相同。
color,cmap,facecolors,edgecolor, linewidths, linestyles, capstyle等参数与二维绘图函数相同。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系x,y=np.mgrid[-3:3:0.2,-3:3:0.2]
z = x*np.exp(-x**2-y**2)#ax3d.plot_surface(x,y,z)
#ax3d.plot_surface(x,y,z,rstride=2,cstride=2)# 两条线合并为一条线
#ax3d.plot_surface(x,y,z,rcount=16,ccount=18)#设置最大显示线条数
#ax3d.plot_surface(x,y,z,cmap="YlOrRd")
ax3d.plot_surface(x,y,z,cmap="YlOrRd")plt.show()
3.3 3d非结构化三角网格
- ax3d.plot_trisurf(x,y,z)：x,y,z均为一维数组，根据数据绘制三角曲面
cmap,facecolors,edgecolor, linewidths, linestyles, capstyle等参数与二维绘图函数相同。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系
np.random.seed(202201)x=np.random.randn(200)*2
y=np.random.randn(200)*2
z = x*np.exp(-x**2-y**2)#ax3d.plot_trisurf(x,y,z)
ax3d.plot_trisurf(x,y,z,cmap="YlOrRd")plt.show()
3.4 3d非结构化网格等值线
- ax3d.tricontour(x,y,z)：x,y,z为一维数组，根据x,y,z形成非结构化网格，绘制等高线
- ax3d.tricontour(x,y,z,zdir=‘x’,levels=10) #x方向等值线
- levels, cmap等参数与二维绘图函数相同
- offset=0参数把等值线投影到指定坐标
ax3d.tricontourf为填充等值线。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系
np.random.seed(202201)x=np.random.randn(200)*2
y=np.random.randn(200)*2
z = x*np.exp(-x**2-y**2)#ax3d.tricontour(x,y,z)
ax3d.tricontour(x,y,z,levels=10,cmap="coolwarm")
#ax3d.tricontour(x,y,z,zdir='x',levels=10,cmap="coolwarm") #绘制x方向等值线plt.show()
4. 3d标量矢量场
4.1 3d等高线
- ax3d.contour(x,y,z)：x,y,z均为二维数组。显示等高线。
- ax3d.contour(x,y,z,zdir=‘x’,levels=10) #x方向等值线
- levels, cmap等参数与二维绘图函数相同
- offset=0参数把等值线投影到指定坐标
ax3d.contourf(x,y,z)绘制填充等高线，用法与contour相同，填充方式仅仅是在等高线附近显示面，offset投影会比较有用。
ax3d.contour3D()与ax3d.contour完全相同。
ax3d.contourf3D()与ax3d.contourf完全相同。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系x,y=np.mgrid[-3:3:0.2,-3:3:0.2]
z=x*np.exp(-x**2-y**2)#ax3d.contour(x,y,z)
ax3d.contour(x,y,z,levels=10,cmap="coolwarm") #指定等高线数和颜色
#ax3d.contourf(x,y,z,levels=10,cmap="coolwarm") #填充等高线
#ax3d.contour(x,y,z,zdir='x',levels=10) #x方向等高线#投影
#ax3d.contour(x,y,z,levels=10,zdir='x',offset=-3)
#ax3d.contour(x,y,z,levels=10,zdir='y',offset=3)
#ax3d.contour(x,y,z,levels=10,zdir='z',offset=-0.4)plt.show()
3d等高线
等值线投影到指定位置平面
x方向等值线
填充等值线，没什么意义，但是投影到x,y,z轴平面会比较好看
4.2 3d矢量图
- ax3d.quiver(x,y,z,u,v,w)：在每一个x,y,z坐标绘制矢量方向为u,v,w的箭头
- x,y,z参数可以为一维、二维、三维数组。
- length,colors,linewidths,facecolors等参数同二维绘图函数。
matplotlib的3d矢量图绘制功能略弱。比如不能设置uvw为箭头终点等等。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系t=np.linspace(-np.pi,np.pi,20)
x=np.sin(t)
y=np.cos(t)
z=np.linspace(-1,1,20)
u=np.sin(t+0.1)-x
v=np.cos(t+0.1)-y
w=0.1
ax3d.quiver(x,y,z,u,v,w) #在每一个x,y,z坐标绘制矢量方向为u,v,w的箭头plt.show()
5. 其他
5.1 3d文本
- ax3d.text(0.5,0.5,0.5,‘3dtext’)：在指定坐标处绘制文本
- zdir=‘z’：参数可以设置文本打印方向
- color,fontsize,fontstyle,fontweight等参数也可以设置
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3d = fig.add_subplot(projection='3d') #创建3d坐标系ax3d.text(0.5,0.5,0.5,'3dtext',c='r') #在指定坐标处绘制文本。文本永远朝向用户
ax3d.text(0.1,0.1,0.5,'3dtextz',c='r',zdir='z') #文本沿z轴方向打印
#ax3d.text2D(0.1,0.1,'2dtext',c='b') #好像效果和官方文档不一致。plt.show()
5.2 图形旋转
- ax3d.view_init(angle1, angle2)：以度为单位设置视角的高度角和方位角。
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
X, Y, Z = axes3d.get_test_data(0.1)ax.plot_wireframe(X, Y, Z, rstride=5, cstride=5)# rotate the axes and update
for angle in range(0, 360):ax.view_init(30, angle) #设置视角plt.draw() #重绘图plt.pause(.1) #暂停
显示效果为360度旋转看绘制的图形，即动画。
5.3 三维体元素
在指定位置绘制三维体元素（通常为六面体，六面体并非必须标准形状，六个面坐标可以指定）。
- ax3d.voxels(filled)：#filled为True的位置绘制六面体
- ax3d.voxels(filled,facecolors=colors) #filled为True的位置绘制六面体,并设置颜色
- facecolors：设置体元素表面颜色。
- edgecolors：设置体元素表边颜色。
- 注意facecolors和edgecolors颜色列表，颜色个数必须和filled数组一样。filled形状为(m,n,k)则颜色形状为(m,n,k,4)。
- 参数color和cmap貌似都不起作用。颜色参数都不能赋值为浮点数映射colormap。
import numpy as np
import matplotlib.pyplot as pltfig = plt.figure()
ax3d = fig.add_subplot(121,projection='3d')#filled为bool类型数组，在True的元素下标位置绘制体元素
i,j,k=np.indices((3,3,3))
filled= (i==j) & (j==k) #3行3列3层，对角线为True
c=plt.get_cmap('RdBu')(np.linspace(0,1,27)).reshape(3,3,3,4)#ax3d.voxels(filled) #filled为True的位置绘制六面体
ax3d.voxels(filled,facecolors=c) #filled为True的位置绘制六面体,并设置颜色#
ax3d = fig.add_subplot(122,projection='3d')
#x,y,z=np.indices((3,4,5))
#ax3d.voxels(x,y,z,filled)plt.show()
- ax3d.voxels(x,y,z,filled)：在filled为True的位置绘制六面体，用x,y,z指定各个面的位置坐标。
- x,y,z指定六面体的起始位置，所以x,y,z的3个维度长度都必须比filled大1。
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax=fig.add_subplot(projection='3d')filled = np.ones((3,3,3))
filled[0,0,0]=False
x, y, z = np.indices((4,4,4))**1.2 #x,y,z的三个维度都必须比filled大1.
ax.voxels(x, y, z, filled, edgecolors='C1')plt.show()
注意，因为设置了x,y,z坐标位置，所以六面体的尺寸并不相同。实际上还可以更加复杂的绘制多个六面体拼成圆环、球等形状。
参考文章
- 官方示例
- 官方教程
- 官方API
Matplotlib系列目录
个人总结，部分内容进行了简单的处理和归纳，如有谬误，希望大家指出，持续修订更新中。
修订历史版本见：https://github.com/hustlei/AI_Learning_MindMap
未经允许请勿转载。
Matplotlib系列(五)：三维绘图相关推荐
- 数据科学 IPython 笔记本 8.15 Matplotlib 中的三维绘图
8.15 Matplotlib 中的三维绘图 原文:Three-Dimensional Plotting in Matplotlib 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<P ...
- 4.12Python数据处理篇之Matplotlib系列(十二)---绘图风格的介绍
目录 目录 前言 (一)不同风格 1.说明: 2.使用: 3.代码使用: (二)例子演示 1.dark_background 2.bmh 3.fivethirtyeight 4.ggplot 5.gr ...
- pythonplt制作饼状图_4.5Python数据处理篇之Matplotlib系列(五)---plt.pie()饼状图
目录 [TOC] 前言 饼状图需要导入的是: plt.pie(x, labels= ) (一)简单的饼状图 (1)说明: pyplot.``pie(x, explode=None, labels=No ...
- Matplotlib三维绘图，这一篇就够了
Matplotlib三维绘图,这一篇就够了 1. 效果图 1.1 3D线效果图 1.2 3D散点效果图 1.3 3D随机颜色散点效果图 1.4 3D散点不同mark点效果图 1.5 3D线框效果图 1 ...
- python画图三维-Python三维绘图之Matplotlib库的使用方法
前言 在遇到三维数据时,三维图像能给我们对数据带来更加深入地理解.python的matplotlib库就包含了丰富的三维绘图工具. 1.创建三维坐标轴对象Axes3D 创建Axes3D主要有两种方式, ...
- python画三维平面-Python三维绘图--Matplotlib
编辑推荐: 本文主要介绍如何用python的matplotlib库中丰富的三维绘图工具进行绘图,运用三维图给我们对数据带来更加深入地理解,希望对大家有帮助. 本文来自于csdn ,由火龙果软件Alic ...
- python的mapl画图y轴排_Python三维绘图之Matplotlib库的使用方法
前言 在遇到三维数据时,三维图像能给我们对数据带来更加深入地理解.python的matplotlib库就包含了丰富的三维绘图工具. 1.创建三维坐标轴对象Axes3D 创建Axes3D主要有两种方式, ...
- python 三维绘图_Python三维绘图--Matplotlib
编辑推荐: 本文主要介绍如何用python的matplotlib库中丰富的三维绘图工具进行绘图,运用三维图给我们对数据带来更加深入地理解,希望对大家有帮助. 本文来自于csdn ,由火龙果软件Alic ...
- python画图三维-对python mayavi三维绘图的实现详解
网上下载mayavi的官方帮助文档,里面有很多例子,下面的记录都是查看手册后得到的. python的mayavi.mlab库中的绘图函数有很多候选参数,但下文记录并没有过多讨论,本人也是需要用到才查看 ...
- Python 数据分析三剑客之 Matplotlib（五）：散点图的绘制
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
最新文章
- 码农技术炒股之路——抓取股票基本信息、实时交易信息、主力动向信息
- SQLITE3根据需求查询回不同的数据类型简单记录
- 计算机技术基础期末考试,《计算机网络技术基础》期末考试试卷
- 《SAP HANA平台应用开发》—第2章2.3节熟悉SAP HANA工作台
- 【数据结构基础】【散列表】
- 用C语言写PHP扩展 linux
- javascript常见面试题之一：将字符串'get-element-by-id'转换成驼峰命名法；
- 真服了！java翻译器软件下载手机版
- idea无法登录github，显示显示错误信息invalid authentication data的终极解决办法。
- Azure 中 Windows 虚拟机的大小
- wireless 时好时断的一些解决的建议
- C++ queue(STL queue)
- VirtualBoX下linux中安装增强功能
- 规范第三方支付易加大竞合关系
- 电子纸BUSY引脚不同状态下说明（大连佳显）
- OtterCTF 内存取证
- Python分析淘宝月饼销售数据，五仁月饼王者地位不可动摇
- C++ QT开发人机象棋（大纲）
- 服务器生成js文件,Next.js 静态生成和服务器端渲染
- 2021 如何自学 Android，一位 5 年中大厂的 Android 老哥跟你聊聊