可视化篇（二）———使用matplotlib绘制常用3D图形及案例

最新推荐文章于 2024-09-21 22:46:18 发布
置顶 最新推荐文章于 2024-09-21 22:46:18 发布
阅读量1.6w 收藏 188
点赞数 60
分类专栏： 数据可视化专题 文章标签： 可视化 python 大数据 数据可视化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Cyrus_May/article/details/105978828
版权

可视化篇（二）———使用matplotlib绘制常用3D图形及案例

摘要

本文通过学习matplotlib绘制3d图形的官方文档，总结了常用的3d图形，以及针对每类图形，通过一个小案例进行可视化。
官方文档

（一）添加matplotlib 3D模块

从工具箱中导入绘制3D图所需要的坐标轴模块。

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

绘制子图添加坐标轴时先申明绘制的类型为：3D (使用projection = "3d"进行申明)。

# 绘制子图添加坐标轴时先申明绘制的类型为：3D  (使用projection = "3d"进行申明)
fig = plt.figure()
ax = fig.add_subplot(1,1,1,projection = "3d")

在这里插入图片描述

（二）3d图中绘制曲线

1、在3d坐标轴对象下使用plot方法。
2、其余参数同2d图。

# ************* 3d图中绘制曲线 *************
# 在3d坐标轴对象下使用plot方法
import numpy as np
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1,projection = "3d")
x = np.linspace(-10,10,100)
y = np.linspace(-10,10,100)
z = x**10 + y**3
ax1.plot(x,y,z,label = "3d curve") #  其余参数同2d图
ax1.legend()
plt.show()

在这里插入图片描述

（三）3d图中绘制散点图

1、在3d坐标轴对象下使用scatter方法。
2、zdir为指定z轴方向，其余参数同2d绘图。

# ****************** 3d图中绘制散点图 ******************
# 在3d坐标轴对象下使用scatter方法
from mpl_toolkits.mplot3d import Axes3D
import  matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1,projection = "3d")
from sklearn.datasets import make_blobs
data = make_blobs(n_samples = 100,n_features = 3,cluster_std = 2)
x = data[0][:,0]
z = data[0][:,1]
y = data[0][:,2]
label = data[1]
colors = ""
for i in range(100):
    if label[i] == 0:
        colors += "r"
    elif label[i] == 1:
        colors += "g"
    else:
        colors += "b"
ax1.scatter(x,y,z,zdir = "z",c = colors) # zdir为指定z轴方向，其余参数同2d绘图
ax1.set_xlabel("x")
ax1.set_xlabel("y")
ax1.set_xlabel("z")

在这里插入图片描述

（四）3d图中绘制线框图

1、在3d坐标轴对象下使用plot_wireframe方法。
2、Axes3D写作axes3d也可以。
3、X和Y需要是二维数组。
4、rcount:为沿行方向绘制网格的数目，
ccount:为沿列方向绘制网格的数目。

# ****************** 3d图中绘制线框图 ******************
# 在3d坐标轴对象下使用plot_wireframe方法
from mpl_toolkits.mplot3d import axes3d # Axes3D写作axes3d也可以
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(figsize=(16,8))
ax1 = fig.add_subplot(1,1,1,projection = "3d")
x = np.linspace(-5,5,1000)
y = np.linspace(-5,5,1000)
X,Y = np.meshgrid(x,y) # X和Y需要是二维数组
Z = np.sin(np.sqrt(X**2+Y**2))
ax1.plot_wireframe(X,Y,Z,rcount = 15,ccount = 15) # rcount:为沿行方向绘制网格的数目，ccount:为沿列方向绘制网格的数目，
plt.show()

在这里插入图片描述

（五）3d图中绘制曲面图

1、在3d坐标轴对象下使用plot_surface方法。
2、rcount:为沿行方向绘制网格的数目
ccount:为沿列方向绘制网格的数目
cmap:设定配色板（可直接调用matplotlib.cm中的配色板，如autumn,autumn_r，coolwarm等等）
color:设定颜色

# ****************** 3d图中绘制曲面图 ******************
# 在3d坐标轴对象下使用plot_surface方法
from mpl_toolkits.mplot3d import axes3d # Axes3D写作axes3d也可以
import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np
fig = plt.figure(figsize=(16,8))
ax1 = fig.add_subplot(1,1,1,projection = "3d")
x = np.linspace(-5,5,1000)
y = np.linspace(-5,5,1000)
X,Y = np.meshgrid(x,y) # X和Y需要是二维数组
Z = np.sin(np.sqrt(X**2+Y**2))

surf = ax1.plot_surface(X, Y, Z, cmap=cm.autumn)
"""
其余参数：
rcount:为沿行方向绘制网格的数目
ccount:为沿列方向绘制网格的数目
cmap:设定配色板（可直接调用matplotlib.cm中的配色板，如autumn,autumn_r，coolwarm等等）
color:设定颜色

"""

fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()

在这里插入图片描述

（六）3d图中绘制三角表面图

1、 在3d坐标轴对象下使用plot_trisurf方法。
2、以绘制莫比乌斯带为列。

# ****************** 3d图中绘制三角表面图 ******************
# 在3d坐标轴对象下使用plot_trisurf方法
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm
import matplotlib.tri as mtri
# 以绘制莫比乌斯带为列

fig = plt.figure()
ax1 = fig.add_subplot(1, 1, 1, projection='3d')

x = np.linspace(0, 2*np.pi,100)
y = np.linspace(-0.5, 0.5,20)
x,y = np.meshgrid(x,y)
# 将二维数组准换为一维数组
x = x.flatten()
y = y.flatten()

# 通过莫比乌斯映射，把x，y转化为X,Y,Z
X = (1 + 0.5 * y * np.cos(x / 2.0)) * np.cos(x)
Y = (1 + 0.5 * y * np.cos(x / 2.0)) * np.sin(x)
Z = 0.5 * y * np.sin(x / 2.0)

tri = mtri.Triangulation(x, y)

ax1.plot_trisurf(X, Y, Z, triangles=tri.triangles, cmap=cm.coolwarm)
ax1.set_zlim(-0.5, 0.5)

plt.show()

在这里插入图片描述

（七）3d图中绘制等高线

1、 在3d坐标轴对象下使用contour方法。
2、绘制填充的等高线，使用contourf方法。
3、zdir:选定投影方向。
offset：选定投影方向的投影位置。

# ****************** 3d图中绘制等高线 ******************
# 在3d坐标轴对象下使用contour方法
# 绘制填充的等高线，使用contourf方法

from mpl_toolkits.mplot3d import axes3d # Axes3D写作axes3d也可以
import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np
fig = plt.figure(figsize=(16,16))

# contour方法

ax1 = fig.add_subplot(2,1,1,projection = "3d")
x = np.linspace(-5,5,1000)
y = np.linspace(-5,5,1000)
X,Y = np.meshgrid(x,y) # X和Y需要是二维数组
Z = np.sin(np.sqrt(X**2+Y**2))

surf = ax1.plot_surface(X, Y, Z,alpha = 0.3)
ax1.contour(X, Y, Z, zdir='z', offset=-1.5, cmap=cm.coolwarm)
ax1.contour(X, Y, Z, zdir='x', offset=-7, cmap=cm.coolwarm)
ax1.contour(X, Y, Z, zdir='y', offset=7, cmap=cm.coolwarm)
"""
zdir:选定投影方向
offset：选定投影方向的投影位置

"""
ax1.set_xlabel('X')
ax1.set_xlim(-7, 7)
ax1.set_ylabel('Y')
ax1.set_ylim(-7, 7)
ax1.set_zlabel('Z')
ax1.set_zlim(-1.5, 1.5)

# contourf方法
ax2 = fig.add_subplot(2,1,2,projection = "3d")

surf = ax2.plot_surface(X, Y, Z,alpha = 0.3)
ax2.contourf(X, Y, Z, zdir='z', offset=-1.5, cmap=cm.coolwarm)
ax2.contourf(X, Y, Z, zdir='x', offset=-7, cmap=cm.coolwarm)
ax2.contourf(X, Y, Z, zdir='y', offset=7, cmap=cm.coolwarm)
"""
zdir:选定投影方向
offset：选定投影方向的投影位置

"""
ax2.set_xlabel('X')
ax2.set_xlim(-7, 7)
ax2.set_ylabel('Y')
ax2.set_ylim(-7, 7)
ax2.set_zlabel('Z')
ax2.set_zlim(-1.5, 1.5)

plt.show()

contour方法图形（等高线不填充）：
在这里插入图片描述
contourf方法图形（等高线填充）：
在这里插入图片描述

（八）3d图中绘制条形图

1、 在3d坐标轴对象下使用bar方法。
2、 left:表示条形图的横轴
height：表示条形图的纵轴
zdir：多组条形图的排列方向，即哪个轴
zs：多组条形图在排列方向上的位置

# ****************** 3d图中绘制条形图 ******************
# 在3d坐标轴对象下使用bar方法
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(16,16))
ax1 = fig.add_subplot(2,1,1,projection = "3d")
np.random.seed(10)
for color,z in zip(["r","g","b","k","y"],[0,10,20,30,40]):
    x = np.arange(10)
    y = np.abs(np.random.randn(10))
    ax1.bar(left = x,height = y,zs = z,zdir = "z",color = color)
    """
    left:表示条形图的横轴
    height：表示条形图的纵轴
    zdir：多组条形图的排列方向，即哪个轴
    zs：多组条形图在排列方向上的位置
    """
# 由此可知沿y轴排列会较为美观
ax2 = fig.add_subplot(2,1,2,projection = "3d")
for color,z in zip(["r","g","b","k","y"],[0,10,20,30,40]):
    x = np.arange(10)
    y = np.abs(np.random.randn(10))
    ax2.bar(left = x,height = y,zs = z,zdir = "y",color = color)
    """
    left:表示条形图的横轴
    height：表示条形图的纵轴
    zdir：多组条形图的排列方向，即哪个轴
    zs：多组条形图在排列方向上的位置
    """
ax1.set_xlabel("x",size = 20)
ax2.set_xlabel("x",size = 20)
ax1.set_ylabel("y",size = 20)
ax2.set_ylabel("y",size = 20)
ax1.set_zlabel("z",size = 20)
ax2.set_zlabel("z",size = 20)

plt.show()

沿z轴排列图形：
在这里插入图片描述
沿y轴排列图形：（更为美观）
在这里插入图片描述
by CyrusMay 2020 05 07

你是一种感觉
写在夏夜晚风里面
——————五月天（疯狂世界）——————

CyrusMay
关注
专栏目录
100天精通Python（可视化篇）——第82天：matplotlib绘制不同种类炫酷散点图参数说明+代码实战（二维散点图、三维散点图、散点图矩阵）
努力让自己发光，对的人才能迎着光而来
04-03 1万+
1. 参数说明 2. 两主特征：二维散点图 1）普通散点图 2）文字标签散点图 3）带颜色映射的散点图 4）ArcGIS散点图 5）气泡图 6）分类散点图 7）线性拟合散点图 8）分类+线性拟合散点图 3. 三主特征：三维散点图 1）三维散点图 2）三维分类散点图 3）三维波浪分类散点图 4. 多主特征：二维散点图矩阵 1）二维散点图矩阵 2）二维分类散点图矩阵
可视化篇（一）———使用matplotlib绘制常用3D图形及案例
12-20
可视化篇（一）———使用matplotlib绘制常用3D图形及案例摘要（一）添加matplotlib 3D模块（二）3d图中绘制曲线（三）3d图中绘制散点图（四）3d图中绘制线框图（五）3d图中绘制曲面图（六）3d图中绘制三角表面图（七）3d图中绘制等高线（八）3d图中绘制条形图 摘要 本文通过学习matplotlib绘制3d图形的官方文档，总结了常用的3d图形，以及针对每类图形，通过一个小案例进行可视化。 官方文档 （一）添加matplotlib 3D模块 从工具箱中导入绘制3D图所需要的坐标轴模块。 from mpl_toolkits.mplot3d import Axes3D impor
三个案例，彻底学会Python三维绘图
最新发布
m0_37302966的博客
09-21 288
三个案例，彻底学会Python三维绘图
python生成三维模型，同一个绘图窗口有多个三维模型
weixin_38689904的博客
02-17 2272
实验中需要在一个figure中生成多个三维模型，在网上找了很多没发现怎么写的，就自己摸索。这是摸索的结果，也是自己的进步。直接上代码。也感谢其他博主的文章，对我帮助很大。 from matplotlib import pyplot as plt from mpl_toolkits.mplot3d import Axes3D import numpy as np plt.rcParams['axes...
Matplotlib-绘制3D曲面-plot_surfaceh与plot_trisurf函数-数据结构
alcoholicx的博客
11-06 4759
python,matplotlib,plot_trisurf,plot_surface,3D曲面
python画图三维-Python三维绘图之Matplotlib库的使用方法
weixin_37988176的博客
11-01 4240
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，一种是利用关键字projection='3d'l来实现，另一种则是通过从mpl_toolkits.mplot3d导入对象Axes3D来实现，目的都是生成具有三维格式的对象Axes3D.#方法一，利用关键字f...
matplotlib绘制3D图小例子
那个她，的博客
03-09 294
这里我们用到matplotlib、numpy和Axes3D库 from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt import numpy as np 点线图： print("点线图") fig = plt.figure() ax = Axes3D(fig) X = np.arange(0,20,0.25...
Python三维绘图--Matplotlib
热门推荐
TomRen
05-08 28万+
Python三维绘图 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，一种是利用关键字projection='3d'l来实现，另一种则是通过从mpl_toolkits.mplot3d导入对象Axes3D来实现，目的都是生成具有三维格式的对象Axes3...
python 二维矩阵画三维图_Python三维可视化：基于Numpy数组的绘图函数
weixin_39805409的博客
11-20 4071
版权声明：以上文章中所选用的图片及文字来源于网络以及用户投稿，由于未联系到知识产权人或未发现有关知识产权的登记，如有知识产权人并不愿意我们使用，如果有侵权请立即联系：55525090@qq.com，我们立即下架或删除。简介：基于Numpy数组的绘图函数mlab对Numpy建立可视化过程：1、建立数据源2、使用Filter（可选）3、添加可视化模块函数 说明Point3d（） 基于Numpy数组x、...
Python数据可视化——Matplotlib可视化（一）
01-07
 Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型地2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等...
[Python从零到壹] 十七.可视化分析之Matplotlib、Pandas、Echarts入门万字详解
杨秀璋的专栏
08-24 3万+
前一篇文章讲述了数据预处理、Jieba分词和文本聚类知识，这篇文章主要介绍Matplotlib和Pandas扩展包绘图的基础用法，同时引入Echarts技术，该技术主要应用于网站可视化展示中。本文内容以实例为主，给读者最直观的图形感受。两万字基础文章，希望对您有所帮助。
python三维绘图 画长方体_Python Matplotlib绘制长方体
weixin_35930535的博客
02-20 3173
A、 使用Poly3DCollection一个选择是创建一个长方体的面Poly3DCollection。由于相同收藏的艺术家不存在重叠的问题，这可能是最好的目的在这里。在from mpl_toolkits.mplot3d import Axes3Dfrom mpl_toolkits.mplot3d.art3d import Poly3DCollectionimport numpy as npimp...
使用matplotlib绘制3D立方体图
Great haste makes great waste
04-04 1万+
这个repo 用来记录一些python技巧、书籍、学习链接等，欢迎star github地址 使用matplotlib绘制3D立方体图（含两种样式） # -*- coding: utf-8 -*- # @Author: xiaodong # @Date: just hide # @Last Modified by: xiaodong # @Last Modified time...
python数据可视化第七节(绘制3D图表和统计地图)
weixin_55680181的博客
04-05 6883
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 Axes3D 类可以构建一个三维坐标系的绘图区城。matpl otlib 可以通过两和方式创建 Axes3D 类的对象：一种方式是 Axes:3D()方法，另一种方式是add_subplot()方法，具体介绍如下。 1 .Axes3D()方法 Axes3D()是构造方法，它直接用于构建一个Axes3D类的对象，A
Python使用Matplotlib绘制3D图形（进阶篇）
kivyp的博客
03-17 7320
本文介绍了如何使用matplotlib绘制三维论文图
Python中的数据可视化：绘制三维线框图plot_wireframe()
liujingwei8610的专栏
06-16 416
在上面的代码中，plot_wireframe() 方法用于绘制什么类型的图形？【小白从小学Python、C、Java】【Python基础+AI+数据分析】【考研初试+复试+毕业设计】C选项：三维线框模型。
matplotlib 自定义数据绘制三维图
farell的专栏
02-22 1027
matplotlib 自定义数据绘制三维图 import matplotlib.pyplot as plt import numpy as np import pandas as pd from matplotlib import cm from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = fig.add_subplot(111, projection='3d') if __name__ == '__main__'.
Matplotlib绘制
05-22
Matplotlib 是一种 Python 的数据可视化库，它可以用于绘制各种类型的图形，如线图、散点图、条形图、直方图等。下面是一个简单的 Matplotlib 绘图示例： ```python import matplotlib.pyplot as plt import numpy as np # 生成数据 x = np.linspace(0, 10, 100) y = np.sin(x) # 绘制图形 plt.plot(x, y) # 添加标题和标签 plt.title('Sin Wave') plt.xlabel('X-axis') plt.ylabel('Y-axis') # 显示图形 plt.show() ``` 这个示例将生成一个正弦波形的图形，其中 `x` 和 `y` 是数据，`plt.plot(x, y)` 用来绘制图形，`plt.title`、`plt.xlabel` 和 `plt.ylabel` 用来添加标题和标签，最后使用 `plt.show()` 显示图形。 以上只是一个简单的示例，Matplotlib 可以绘制更复杂的图形，如多个子图、3D 图形等。如果想要深入了解 Matplotlib，可以查看官方文档：https://matplotlib.org/stable/index.html。
评论 17
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值