3D散点
## 3D散点
import matplotlib as mpl
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
xs1 = np.random.randint(30,40,100)
ys1 = np.random.randint(20,30,100)
zs1 = np.random.randint(10,20,100)
xs2 = np.random.randint(50,60,100)
ys2 = np.random.randint(30,40,100)
zs2 = np.random.randint(50,70,100)
xs3 = np.random.randint(10,30,100)
ys3 = np.random.randint(40,50,100)
zs3 = np.random.randint(40,50,100)
# 方式1：设置三维图形模式
fig = plt.figure() # 创建一个画布figure，然后在这个画布上加各种元素。
ax = Axes3D(fig) # 将画布作用于 Axes3D 对象上。
ax.scatter(xs1,ys1,zs1) # 画出(xs1,ys1,zs1)的散点图。
ax.scatter(xs2,ys2,zs2,c='r',marker='^')
ax.scatter(xs3,ys3,zs3,c='g',marker='*')
ax.set_xlabel('X label') # 画出坐标轴
ax.set_ylabel('Y label')
ax.set_zlabel('Z label')
plt.show()
3D曲线
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10
# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')
# 测试数据
theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-4, 4, 100) / 4
r = z**3 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)
# 绘制图形
ax.plot(x, y, z, label='parametric curve')
# 显示图例
ax.legend()
# 显示图形
plt.show()
3D曲线拟合(含噪音)
# 不含噪声散点图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10
# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')
# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30)
y = x
z = x * x
ax.scatter(x,y,z) # 画出(x,y,z)的散点图。
运行结果：
<mpl_toolkits.mplot3d.art3d.Path3DCollection at 0x2e7d13350d0>
# 不含噪声曲线图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10
# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')
# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30)
y = x
z = x * x
# 绘制图形
ax.plot(x, y, z, label='parametric curve')
# 显示图例
ax.legend()
# 显示图形
plt.show()
# 含噪声散点图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10
# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')
# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30)
y = x + np.random.randn(y.shape[-1]) * 2.5
z = x * x
ax.scatter(x,y,z) # 画出(x,y,z)的散点图。
运行结果：
<mpl_toolkits.mplot3d.art3d.Path3DCollection at 0x2e7cf46fbe0>
# 含噪声曲线图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10
# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')
# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30)
y = x + np.random.randn(x.shape[-1]) * 2.5
z = x * x
# 绘制图形
ax.plot(x, y, z, label='parametric curve')
# 显示图例
ax.legend()
# 显示图形
plt.show()
# 含噪声曲线拟合图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
# 设置图例字号
mpl.rcParams['legend.fontsize'] = 10
# 方式2：设置三维图形模式
fig = plt.figure()
ax = fig.gca(projection='3d')
# 测试数据
x = np.linspace(-4 * np.pi, 4 * np.pi, 30)
y = x + np.random.randn(x.shape[-1]) * 0.7
z = x * x
# 绘制图形
ax.plot(x, y, z, label='parametric1 curve')
p_yx = np.polyfit(y,x,2);
x_out = np.polyval(p_yx, y);
p_yz = np.polyfit(y,z,2);
z_out = np.polyval(p_yz, y);
ax.plot(x_out, y, z_out, label='parametric2 curve')
# 显示图例
ax.legend()
# 显示图形
plt.show()
# 拟合是拟合出一个误差小的曲线，这里并不包括光滑，当噪音大时，拟合的曲线不光滑。
3D曲面
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax3 = plt.axes(projection='3d')
plt.rcParams['font.sans-serif']=['FangSong'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号
#定义三维数据
xx = np.arange(-5,5,0.5)
yy = np.arange(-5,5,0.5)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(X)+np.cos(Y)
#作图
ax3.plot_surface(X,Y,Z,cmap='rainbow')
# 改变cmap参数可以控制三维曲面的颜色组合, 一般我们见到的三维曲面就是 rainbow 的
plt.show()
曲面颜色
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
'''使用figure对象'''
fig = plt.figure()
'''创建3D轴对象'''
ax = Axes3D(fig)
'''X坐标数据'''
X = np.arange(-2,2,0.1)
'''Y坐标数据'''
Y = np.arange(-2,2,0.1)
'''计算3维曲面分格线坐标'''
X,Y = np.meshgrid(X,Y)
'''用于计算X/Y对应的Z值'''
def f(x,y):
return (1-y**5+x**5)*np.exp(-x**2-y**2)
'''plot_surface函数可绘制对应的曲面'''
ax.plot_surface(X,Y,f(X,Y),rstride=1,cstride=1,cmap=plt.cm.cool) # 通过修改camp修改曲面颜色
'''显示'''
plt.show()
曲面旋转
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
'''使用figure对象'''
fig = plt.figure()
'''创建3D轴对象'''
ax = Axes3D(fig)
'''X坐标数据'''
X = np.arange(-2,2,0.1)
'''Y坐标数据'''
Y = np.arange(-2,2,0.1)
'''计算3维曲面分格线坐标'''
X,Y = np.meshgrid(X,Y)
'''用于计算X/Y对应的Z值'''
def f(x,y):
return (1-y**5+x**5)*np.exp(-x**2-y**2)
'''plot_surface函数可绘制对应的曲面'''
ax.plot_surface(X,Y,f(X,Y),rstride=1,cstride=1,cmap=plt.cm.hot)
'''旋转'''
ax.view_init(elev=30,azim=125)
'''显示'''
plt.show()
3D条形图
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(8)
y = np.random.randint(0,10,8)
y2 = y + np.random.randint(0,3,8)
y3 = y2 + np.random.randint(0,3,8)
y4 = y3 + np.random.randint(0,3,8)
y5 = y4 + np.random.randint(0,3,8)
clr = ['red','green','blue','black','white','yellow','orange','pink']
fig = plt.figure()
ax = Axes3D(fig)
ax.bar(x,y,0,zdir='y',color=clr)
ax.bar(x,y2,10,zdir='y',color=clr)
ax.bar(x,y3,20,zdir='y',color=clr)
ax.bar(x,y4,30,zdir='y',color=clr)
ax.bar(x,y5,40,zdir='y',color=clr)
ax.set_xlabel('X label')
ax.set_ylabel('Y label')
ax.set_zlabel('Z label')
plt.show()
附录01：三维绘图函数Axes3D
① mpl_toolkits.mplot3d是Matplotlib里面专门用来画三维图的工具包。
② Axes3D是mpl_toolkits.mplot3d中的一个绘图函数。
③ 创建 Axes3D主要有两种方式，一种是利用关键字projection='3d’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。
附录02：.view_init(elev,azim)
① elev为仰角，azim为方位角。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
一、Python所有方向的学习路线
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。
二、Python必备开发工具
三、Python视频合集
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、Python练习题
检查学习结果。
六、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
上述这份完整版的Python全套学习资料已经上传CSDN官方，如果需要可以微信扫描下方CSDN官方认证二维码 即可领取
👉[[CSDN大礼包：《python安装包&全套学习资料》免费分享]]（安全链接，放心点击）
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
