2024年最全Python-Matplotlib可视化（10）——一文详解3D统计图的绘制_ax，2024年最新腾讯C C++面试题

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，可以添加戳这里获取

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！

return x + dt \* x_dt

points = np.zeros((8000, 3))
x = np.array([.1, .0, .0])
for i in range(points.shape[0]):
points[i], x = x, lorenz_map(x)

Plotting

fig = plt.figure()
ax = fig.gca(projection = ‘3d’)
ax.set_xlabel(‘X axis’)
ax.set_ylabel(‘Y axis’)
ax.set_zlabel(‘Z axis’)
ax.set_title(‘Lorenz Attractor a=%0.2f b=%0.2f c=%0.2f’ % (a, b, c))
ax.plot(points[:, 0], points[:, 1], points[:, 2], c = ‘c’)
plt.show()

![3D曲线图](https://img-blog.csdnimg.cn/20210621210636217.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


### 3D标量场


到目前为止，我们看到的3D绘图方式类似与相应的2D绘图方式，但也有许多特有的三维绘图功能，例如将二维标量场绘制为3D曲面：

import numpy as np
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
x = np.linspace(-3, 3, 256)
y = np.linspace(-3, 3, 256)
x_grid, y_grid = np.meshgrid(x, y)
z = np.sinc(np.sqrt(x_grid ** 2 + y_grid ** 2))
fig = plt.figure()
ax = fig.gca(projection = ‘3d’)
ax.plot_surface(x_grid, y_grid, z, cmap=cm.viridis)
plt.show()

![3D标量场](https://img-blog.csdnimg.cn/20210621213108450.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)`Tips： plot_surface() 方法使用 x、y 和 z 将标量场显示为三维曲面。`  
 可以看到曲面上线条带有显著色彩，如果不希望看到三维曲面上显示的曲线色彩，可以使用 `plot_surface()` 附加可选参数：

ax.plot_surface(x_grid, y_grid, z, cmap=cm.viridis, linewidth=0, antialiased=False)

![3D标量场](https://img-blog.csdnimg.cn/20210621213554604.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)同样，我们也可以仅保持曲线色彩，而曲面不使用其他颜色，这也可以通过 `plot_surface()` 的可选参数来完成：

import numpy as np
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
x = np.linspace(-3, 3, 256)
y = np.linspace(-3, 3, 256)
x_grid, y_grid = np.meshgrid(x, y)
z = np.sinc(np.sqrt(x_grid ** 2 + y_grid ** 2))
fig = plt.figure()
ax = fig.gca(projection = ‘3d’)
ax.plot_surface(x_grid, y_grid, z, edgecolor=‘b’,color=‘w’)
plt.show()

![3D标量场](https://img-blog.csdnimg.cn/20210621214703881.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)  
 而如果我们希望消除曲面，而仅使用线框进行绘制，这可以使用 `plot_wireframe()` 函数：

ax.plot_wireframe(x_grid, y_grid, z, cstride=10, rstride=10,color=‘c’)

![3D标量场](https://img-blog.csdnimg.cn/2021062121555171.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)`Tips：plot_wireframe() 参数与 plot_surface() 相同，使用两个可选参数 rstride 和 cstride 用于令 Matplotlib 跳过x和y轴上指定数量的坐标，用于减少曲线的密度。`


### 绘制3D曲面


在前述方法中，使用 `plot_surface()` 来绘制标量：即 `f(x, y)=z` 形式的函数，但 Matplotlib 也能够使用更通用的方式绘制三维曲面：

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

Generate torus mesh

angle = np.linspace(0, 2 * np.pi, 32)
theta, phi = np.meshgrid(angle, angle)
r, r_w = .25, 1.
x = (r_w + r * np.cos(phi)) * np.cos(theta)
y = (r_w + r * np.cos(phi)) * np.sin(theta)
z = r * np.sin(phi)

Display the mesh

fig = plt.figure()
ax = fig.gca(projection = ‘3d’)
ax.set_xlim3d(-1, 1)
ax.set_ylim3d(-1, 1)
ax.set_zlim3d(-1, 1)
ax.plot_surface(x, y, z, color = ‘c’, edgecolor=‘m’, rstride = 2, cstride = 2)
plt.show()

![绘制3D曲面](https://img-blog.csdnimg.cn/20210621221551421.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)  
 同样可以使用 `plot_wireframe()` 替换对 `plot_surface()` 的调用，以便获得圆环的线框视图：

ax.plot_wireframe(x, y, z, edgecolor=‘c’, rstride = 2, cstride = 1)

![绘制3D曲面](https://img-blog.csdnimg.cn/20210621222403744.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


### 在3D坐标轴中绘制2D图形


注释三维图形的一种有效方法是使用二维图形：

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
x = np.linspace(-3, 3, 256)
y = np.linspace(-3, 3, 256)
x_grid, y_grid = np.meshgrid(x, y)
z = np.exp(-(x_grid ** 2 + y_grid ** 2))
u = np.exp(-(x ** 2))
fig = plt.figure()
ax = fig.gca(projection = ‘3d’)
ax.set_zlim3d(0, 3)
ax.plot(x, u, zs=3, zdir=‘y’, lw = 2, color = ‘m’)
ax.plot(x, u, zs=-3, zdir=‘x’, lw = 2., color = ‘c’)
ax.plot_surface(x_grid, y_grid, z, color = ‘b’)
plt.show()

![注释三维图形](https://img-blog.csdnimg.cn/20210621223026597.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)Axes3D 实例同样支持常用的二维渲染命令，如plot()：

ax.plot(x, u, zs=3, zdir=‘y’, lw = 2, color = ‘m’)

Axes3D 实例对 `plot()` 的调用有两个新的可选参数：  
 `zdir` ：用于决定在哪个平面上绘制2D绘图，可选值包括 x、y 或 z ；  
 `zs` ：用于决定平面的偏移。  
 因此，要将二维图形嵌入到三维图形中，只需将二维原语用于 Axes3D 实例，同时使用可选参数，`zdir` 和 `zs`，来放置所需渲染图形平面。  
 接下来，让我们实际查看下在3D空间中堆叠2D条形图的示例：

import numpy as np
from matplotlib import cm
import matplotlib.colors as col
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

Data generation

alpha = 1. / np.linspace(1, 8, 5)
t = np.linspace(0, 5, 16)
t_grid, a_grid = np.meshgrid(t, alpha)
data = np.exp(-t_grid * a_grid)

Plotting

fig = plt.figure()
ax = fig.gca(projection = ‘3d’)
cmap = cm.ScalarMappable(col.Normalize(0, len(alpha)), cm.viridis)
for i, row in enumerate(data):
ax.bar(4 * t, row, zs=i, zdir=‘y’, alpha=0.8, color=cmap.to_rgba(i))
plt.show()

![堆叠2D图形](https://img-blog.csdnimg.cn/20210622103321342.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


### 3D柱形图

plt.show()

import numpy as np
from matplotlib import cm
import matplotlib.colors as col
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

Data generation

alpha = np.linspace(1, 8, 5)
t = np.linspace(0, 5, 16)
t_grid, a_grid = np.meshgrid(t, alpha)
data = np.exp(-t_grid * (1. / a_grid))

Plotting

fig = plt.figure()
ax = fig.gca(projection = ‘3d’)
xi = t_grid.flatten()
yi = a_grid.flatten()
zi = np.zeros(data.size)
dx = .30 * np.ones(data.size)
dy = .30 * np.ones(data.size)
dz = data.flatten()
ax.set_xlabel(‘T’)
ax.set_ylabel(‘Alpha’)
ax.bar3d(xi, yi, zi, dx, dy, dz, color = ‘c’)
plt.show()

![3D柱形图](https://img-blog.csdnimg.cn/2021062211064652.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xPVkVteTEzNDYxMQ==,size_16,color_FFFFFF,t_70#pic_center)


3D柱体以网格布局定位，`bar3d()` 方法接受六个必需参数作为输入。前三个参数是每个柱体下端的x、y和z坐标：

xi = t_grid.flatten()
yi = a_grid.flatten()

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C C++开发知识点，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，可以戳这里获取

)]
[外链图片转存中…(img-YC3XPjkK-1715605273313)]

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C C++开发知识点，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，可以戳这里获取