python matplotlib绘制 3D图像专题 （三维柱状图、曲面图、散点图、曲线图合集）

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

z = zs[i]

np.random.seed(i)

height = np.random.randint(0, 30, size=10)

axes3d.bar(left, height, zs=z, zdir=‘x’,

color=[‘red’, ‘green’, ‘purple’, ‘yellow’, ‘blue’, ‘black’, ‘gray’, ‘orange’, ‘pink’, ‘cyan’])

plt.xticks(zs, [‘1月份’, ‘2月份’, ‘3月份’, ‘4月份’, ‘5月份’])

plt.yticks(left, [‘A’, ‘B’, ‘C’, ‘D’, ‘E’, ‘F’, ‘G’, ‘H’, ‘I’, ‘G’])

plt.xlabel(‘月份’)

plt.ylabel(‘型号’)

plt.show()

图像效果如下：

---

2. 绘制3D曲面图

=================================================================================

① 示例1

---

绘制曲面图使用的是plot_surface()方法，这个方法的参数相对而言更简单。且X、Y、Z三者的顺序相对较为容易分辨。

通过读示例代码，即可快速掌握其用法：

import matplotlib.pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’

fig = plt.figure(figsize=(10, 8), facecolor=‘#cc00ff’)

ax = Axes3D(fig)

delta = 0.125

生成代表X轴数据的列表

x = np.arange(-4.0, 4.0, delta)

生成代表Y轴数据的列表

y = np.arange(-3.0, 4.0, delta)

对x、y数据执行网格化

X, Y = np.meshgrid(x, y)

Z1 = np.exp(-X2 - Y2)

Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)

计算Z轴数据（高度数据）

Z = (Z1 - Z2) * 2

绘制3D图形

ax.plot_surface(X, Y, Z,

rstride=1, # rstride（row）指定行的跨度

cstride=1, # cstride(column)指定列的跨度

cmap=plt.get_cmap(‘rainbow’)) # 设置颜色映射

plt.xlabel(‘X轴’, fontsize=15)

plt.ylabel(‘Y轴’, fontsize=15)

ax.set_zlabel(‘Z轴’, fontsize=15)

ax.set_title(‘《曲面图》’, y=1.02, fontsize=25, color=‘gold’)

设置Z轴范围

ax.set_zlim(-2, 2)

plt.show()

---

② 示例2

---

更换一组数据，呈现的则是另一种艺术效果：

import matplotlib.pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’

fig = plt.figure(figsize=(12, 10), facecolor=‘#cc00ff’)

ax = Axes3D(fig)

delta = 0.125

生成代表X轴数据的列表

x = np.linspace(-2, 2, 10)

生成代表Y轴数据的列表

y = np.linspace(-2, 2, 10)

对x、y数据执行网格化

X, Y = np.meshgrid(x, y)

计算Z轴数据（高度数据）

Z = X2 - Y2

绘制3D图形

ax.plot_surface(X, Y, Z,

rstride=1, # rstride（row）指定行的跨度

cstride=1, # cstride(column)指定列的跨度

cmap=plt.get_cmap(‘rainbow’)) # 设置颜色映射

plt.xlabel(‘X轴’, fontsize=15)

plt.ylabel(‘Y轴’, fontsize=15)

ax.set_zlabel(‘Z轴’, fontsize=15)

ax.set_title(‘《曲面图》’, y=1.02, fontsize=25, color=‘gold’)

plt.show()

---

3.绘制3D散点图

===============================================================================

在3D曲面图示例1的基础上稍作修改。

绘制散点图使用scatter()方法，将散点颜色设置为绿色，红色边沿。

代码示例如下：

import matplotlib.pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

plt.rcParams[‘font.sans-serif’] = [‘STKAITI’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.rcParams[‘axes.facecolor’] = ‘#cc00ff’

fig = plt.figure(figsize=(10, 8), facecolor=‘#cc00ff’)

ax = Axes3D(fig)

delta = 0.125

生成代表X轴数据的列表

x = np.arange(-4.0, 4.0, delta)

生成代表Y轴数据的列表

y = np.arange(-3.0, 4.0, delta)

对x、y数据执行网格化

X, Y = np.meshgrid(x, y)

Z1 = np.exp(-X2 - Y2)

Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)

计算Z轴数据（高度数据）

Z = (Z1 - Z2) * 2

绘制3D图形

ax.scatter(X, Y, Z,

c=‘green’,

edgecolors=‘red’)

plt.xlabel(‘X轴’, fontsize=15)

plt.ylabel(‘Y轴’, fontsize=15)

ax.set_zlabel(‘Z轴’, fontsize=15)

ax.set_title(‘《散点图》’, y=1.02, fontsize=25, color=‘gold’)

设置Z轴范围

ax.set_zlim(-2, 2)

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
mg-blog.csdnimg.cn/9fa77af248b84885a6ec779b2ead064d.png)

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-Kx6MxBn4-1713335618856)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！