Python-Matplotlib可视化（10）——一文详解3D统计图的绘制

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.scatter(points[:, 0], points[:, 1],points[:, 2], zdir = ‘z’, c = ‘c’)

plt.show()

Tips：按住鼠标左键移动鼠标可以旋转查看三维图形将旋转。

为了使用 Matplotlib 进行三维操作，我们首先需要导入 Matplotlib 的三维扩展：

from mpl_toolkits.mplot3d import Axes3D

对于三维绘图，需要创建一个Figure实例并附加一个 Axes3D 实例：

fig = plt.figure()

ax = fig.gca(projection=‘3d’)

之后，三维散点图的绘制方式与二维散点图完全相同：

ax.scatter(points[:, 0], points[:, 1],points[:, 2], zdir = ‘z’, c = ‘c’)

Tips：需要调用 Axes3D 实例的 scatter() 方法，而非plt中的 scatter 方法。只有 Axes3D 中的 scatter() 方法才能解释三维数据。同时2D统计图中的注释也可以在3D图中使用，例如 set_title()、set_xlabel()、set_ylabel() 和 set_zlabel() 等。

同时可以通过使用 Axes3D.scatter() 的可选参数更改统计通的形状和颜色：

ax.scatter(points[:, 0], points[:, 1],points[:, 2], zdir = ‘z’, c = ‘c’, marker=‘s’, edgecolor=‘0.5’, facecolor=‘m’)

3D曲线图

---

与在3D空间中绘制散点图类似，绘制3D曲线图同样需要设置一个 Axes3D 实例，然后调用其plot()方法：

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

import matplotlib.pyplot as plt

Dataset generation

a, b, c = 10., 28., 8. / 3.

def lorenz_map(x, dt = 1e-2):

x_dt = np.array([a * (x[1] - x[0]), x[0] * (b - x[2]) - x[1], x[0] * x[1] - c * x[2]])

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()

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)

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()

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’)

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()

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)

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()

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()