云模型云滴生成 - python & matlab

• 本文由来

[看论文，定量与定性之间评价关系里经常有人用到云模型，看了后觉得，还真是给一个量化指标就能输出分类的确定度，python代码照着MATLAB写的，自从用了python后很少用MATLAB了，留下来省的以后用的时候再找MATLAB脚本了。]

2018年写小论文期间，由于计算及绘图需要，写了本文代码，随后放到此博客，避免遗忘，且希望能帮到需要的人。代码并无任何创新，纯粹是云理论的python实现。2018至今，经过多位同学的咨询提问，本文代码得以逐步美化，在此表示感谢。

------------------------------------------------分割线------------------------------------------------------------------

有位同学需要matlab版本的代码，想了想在学校大多数人也不愿意折腾python，matlab那么方便干嘛不用，于是花了个把小时写了个matlab版本的代码，放在python代码后面了，请拿去使用，不用谢。

------------------------------------------------分割线 python代码----------------------------------------------------

• 头文件及基础配置

引入：

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

添加字段，以再matplotlib中显示中文字符 

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.ion() # 关闭阻塞模式

------------------------------------------------分割线------------------------------------------------------------------

• 一维云模型

def plot_cloud_model(Ex, En, He, n, ax, label='', color = 'r',marker = 'o'):
    """该函数每次画1个云图

    Args:
        Ex (float): 期望
        En (float): 熵
        He (float): 超熵
        n (int): 云滴数量
        ax (Axes): 画布，云图将绘制到指定画布上
        label (str, optional): 云图名称，会显示在图例中，默认为空
        color (str, optional): 云图颜色，默认'r'代表红色
        marker (str, optional): 数据点显示符号，默认显示一个圆圈
    """    
    Y = np.zeros((1, n))
    np.random.seed(int(np.random.random()*100))
    X= np.random.normal(loc=En, scale=He, size=n)
    Y = Y[0]
    for i in range(n):
        np.random.seed(int(np.random.random()*100) + i + 1)
        Enn = X[i]
        X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn), size=1)
        Y[i] = np.exp(-(X[i] - Ex) * (X[i] - Ex) / (2 * Enn * Enn))
    ax.scatter(X, Y, s=10, alpha=0.5, c=color, marker=marker, label=label)

执行：

if __name__ =='__main__': 
    fig = plt.figure(len(plt.get_fignums()))
    ax = fig.add_subplot(111) #创建画布，画布句柄为ax
    title = '设置你的标题'
    ax.set_title(title)#在ax指向的画布上绘图
    ax.set_xlabel('期望')
    ax.set_ylabel('隶属度')
    ax.grid(True)
    plot_cloud_model(1.5, 0.61, 0.1, 500, ax,'云图1','r','o')
    plot_cloud_model(2.0, 0.33, 0.1, 500, ax,'云图2','g','x')
    plot_cloud_model(-1, 0.8, 0.1, 500, ax,'云图3','b','*')
    ax.legend(loc='best')
    plt.show()
    plt.pause(3600)  # 延时关闭，以便开启多个绘图窗口，须在程序最后执行

结果：

------------------------------------------------分割线------------------------------------------------------------------ 

• 二维云模型

def plot_2d_cloud_model(Ex, En, He, n, ax, label='', color = 'r',marker = 'o'):
    """该函数每次画1个云图

    Args:
        Ex ([float,float]): 期望,二维数组
        En ([float,float]): 熵,二维数组
        He ([float,float]): 超熵,二维数组
        n (int): 云滴数量
        ax (Axes): 画布，必须为3d画布，云图将绘制到指定画布上
        label (str, optional): 云图名称，会显示在图例中，默认为空
        color (str, optional): 云图颜色，默认'r'代表红色
        marker (str, optional): 数据点显示符号，默认显示一个圆圈
    """  
    Y = np.zeros((1, n))
    np.random.seed(int(np.random.random()*100))
    X0 = np.random.normal(loc=En[0], scale=He[0], size=n)
    Y = Y[0]
    np.random.seed(int(np.random.random()*100)+1)
    X1 = np.random.normal(loc=En[1], scale=He[1], size=n)
    for i in range(n):
        Enn0 = X0[i]
        np.random.seed(int(np.random.random()*100)+i)
        X0[i] = np.random.normal(loc=Ex[0], scale=np.abs(Enn0), size=1)
        Enn1 = X1[i]
        np.random.seed(int(np.random.random()*100)+i+1)
        X1[i] = np.random.normal(loc=Ex[1], scale=np.abs(Enn1), size=1)
        Y[i] = np.exp(-(X0[i] - Ex[0]) * (X0[i] - Ex[0]) / (2 * Enn0 * Enn0)-(X1[i] - Ex[1]) * (X1[i] - Ex[1]) / (2 * Enn1 * Enn1))
    ax.scatter(X0, X1, Y, s=10, alpha=0.5, c=color, marker=marker,label=label)

执行：

if __name__ =='__main__': 
    fig_3d = plt.figure(len(plt.get_fignums()))
    fig_3d = fig_3d.add_subplot(111, projection='3d') #创建三维画布，画布句柄为ax_3d
    title = '设置你的标题'
    fig_3d.set_title(title)#在ax_3d指向的画布上绘图
    fig_3d.set_xlabel('期望1')
    fig_3d.set_ylabel('期望2')
    fig_3d.set_zlabel('隶属度')
    fig_3d.grid(True)
    plot_2d_cloud_model([1.5,2], [0.61,0.2], [0.1,0.1], 2000, fig_3d,'云图1','r','o')
    plot_2d_cloud_model([2.0,2.5], [0.33,0.5], [0.1,0.1], 2000, fig_3d,'云图2','g','x')
    plot_2d_cloud_model([-1,1], [0.8,0.1], [0.1,0.1], 2000, fig_3d,'云图3','b','*')
    fig_3d.legend(loc='best')
    plt.show()
    plt.pause(3600)  # 延时关闭，以便开启多个绘图窗口，须在程序最后执行

结果：

------------------------------------------------分割线------------------------------------------------------------------

• 二维可分割云模型

def plot_2d_trim_cloud_model(Ex, En, He, n, ax, trim_panel=[[1.5,0.5,0],[0.5,1.5,0],[0.5,1.5,1],1],label='', color = 'r',marker = 'o'):
    """该函数每次画1个云图

    Args:
        Ex ([float,float]): 期望,二维数组
        En ([float,float]): 熵,二维数组
        He ([float,float]): 超熵,二维数组
        n (int): 云滴数量
        ax (Axes): 画布，必须为3d画布，云图将绘制到指定画布上
        trim_panel：分割面，数组的前三个元素为分割面上的三个点，最后一位>0时筛选出分割面以上的点，<0时筛选出分割面以下的点
        label (str, optional): 云图名称，会显示在图例中，默认为空
        color (str, optional): 云图颜色，默认'r'代表红色
        marker (str, optional): 数据点显示符号，默认显示一个圆圈
    """      
    #确定分割panel的四个参数
    a=(trim_panel[1][1]-trim_panel[0][1])*(trim_panel[2][2]-trim_panel[0][2])-(trim_panel[1][2]-trim_panel[0][2])*(trim_panel[2][1]-trim_panel[0][1])
    b=(trim_panel[1][2]-trim_panel[0][2])*(trim_panel[2][0]-trim_panel[0][0])-(trim_panel[1][0]-trim_panel[0][0])*(trim_panel[2][2]-trim_panel[0][2])
    c=(trim_panel[1][0]-trim_panel[0][0])*(trim_panel[2][1]-trim_panel[0][1])-(trim_panel[1][1]-trim_panel[0][1])*(trim_panel[2][0]-trim_panel[0][0])
    d=-(a*trim_panel[0][0]+b*trim_panel[0][1]+c*trim_panel[0][2])

    Y = np.zeros((1, n))
    np.random.seed(int(np.random.random()*100))
    X0 = np.random.normal(loc=En[0], scale=He[0], size=n)
    Y = Y[0]
    np.random.seed(int(np.random.random()*100)+1)
    X1 = np.random.normal(loc=En[1], scale=He[1], size=n)
    for i in range(n):
        Enn0 = X0[i]
        np.random.seed(int(np.random.random()*100)+i)
        X0[i] = np.random.normal(loc=Ex[0], scale=np.abs(Enn0), size=1)
        Enn1 = X1[i]
        np.random.seed(int(np.random.random()*100)+i+1)
        X1[i] = np.random.normal(loc=Ex[1], scale=np.abs(Enn1), size=1)
        Y[i] = np.exp(-(X0[i] - Ex[0]) * (X0[i] - Ex[0]) / (2 * Enn0 * Enn0)-(X1[i] - Ex[1]) * (X1[i] - Ex[1]) / (2 * Enn1 * Enn1))

    #筛选出分割面一侧的点
    Selected_X0 = []
    Selected_X1 = []
    Selected_Y = []
    if(trim_panel[3]>0):
        for i in range(n):
            if((a*X0[i]+b*X1[i]+c*Y[i]+d)>=0):
                Selected_X0.append(X0[i])
                Selected_X1.append(X1[i])
                Selected_Y.append(Y[i])
    else:
        for i in range(n):
            if((a*X0[i]+b*X1[i]+c*Y[i]+d)<0):
                Selected_X0.append(X0[i])
                Selected_X1.append(X1[i])
                Selected_Y.append(Y[i])
    ax.scatter(Selected_X0, Selected_X1, Selected_Y, s=10, alpha=0.5, c=color, marker=marker,label=label)

执行：

if __name__ =='__main__': 
    fig_3d_trim = plt.figure(len(plt.get_fignums()))
    ax_3d_trim = fig_3d_trim.add_subplot(111, projection='3d') #创建三维画布，画布句柄为ax_3d
    title = '设置你的标题'
    ax_3d_trim.set_title(title)#在ax_3d指向的画布上绘图
    ax_3d_trim.set_xlabel('期望1')
    ax_3d_trim.set_ylabel('期望2')
    ax_3d_trim.set_zlabel('隶属度')
    ax_3d_trim.grid(True)
    trim_panel = [[2,2,0],[0.5,1.5,0],[0.5,1.5,1],1]#定义一个分割面
    plot_2d_trim_cloud_model([1.5,2], [0.61,0.2], [0.1,0.1], 2000, ax_3d_trim,trim_panel,'云图1','r','o')
    plot_2d_trim_cloud_model([2.0,2.5], [0.33,0.5], [0.1,0.1], 2000, ax_3d_trim,trim_panel,'云图2','g','x')
    plot_2d_trim_cloud_model([-1,1], [0.8,0.1], [0.1,0.1], 2000, ax_3d_trim,trim_panel,'云图3','b','*')
    ax_3d_trim.legend(loc='best')
    plt.show()
    plt.pause(3600)  # 延时关闭，以便开启多个绘图窗口，须在程序最后执行

结果：

------------------------------------------------分割线------------------------------------------------------------------

• 代码汇总

import numpy as np
import matplotlib.pyplot as plt
from time import perf_counter
plt.rcParams['font.sans-serif'] = ['SimHei']    #运行配置参数中的字体（font）为黑体（simHei）
plt.rcParams['axes.unicode_minus'] = False    #运行配置参数总的轴（axes）正常显示正负号（minus）
plt.ion() # 关闭阻塞模式

def plot_cloud_model(Ex, En, He, n, ax, label='', color = 'r',marker = 'o'):
    """该函数每次画1个云图

    Args:
        Ex (float): 期望
        En (float): 熵
        He (float): 超熵
        n (int): 云滴数量
        ax (Axes): 画布，云图将绘制到指定画布上
        label (str, optional): 云图名称，会显示在图例中，默认为空
        color (str, optional): 云图颜色，默认'r'代表红色
        marker (str, optional): 数据点显示符号，默认显示一个圆圈
    """    
    Y = np.zeros((1, n))
    np.random.seed(int(np.random.random()*100))
    X= np.random.normal(loc=En, scale=He, size=n)
    Y = Y[0]
    for i in range(n):
        np.random.seed(int(np.random.random()*100) + i + 1)
        Enn = X[i]
        X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn), size=1)
        Y[i] = np.exp(-(X[i] - Ex) * (X[i] - Ex) / (2 * Enn * Enn))
    ax.scatter(X, Y, s=10, alpha=0.5, c=color, marker=marker, label=label)

def plot_2d_cloud_model(Ex, En, He, n, ax, label='', color = 'r',marker = 'o'):
    """该函数每次画1个云图

    Args:
        Ex ([float,float]): 期望,二维数组
        En ([float,float]): 熵,二维数组
        He ([float,float]): 超熵,二维数组
        n (int): 云滴数量
        ax (Axes): 画布，必须为3d画布，云图将绘制到指定画布上
        label (str, optional): 云图名称，会显示在图例中，默认为空
        color (str, optional): 云图颜色，默认'r'代表红色
        marker (str, optional): 数据点显示符号，默认显示一个圆圈
    """  
    Y = np.zeros((1, n))
    np.random.seed(int(np.random.random()*100))
    X0 = np.random.normal(loc=En[0], scale=He[0], size=n)
    Y = Y[0]
    np.random.seed(int(np.random.random()*100)+1)
    X1 = np.random.normal(loc=En[1], scale=He[1], size=n)
    for i in range(n):
        Enn0 = X0[i]
        np.random.seed(int(np.random.random()*100)+i)
        X0[i] = np.random.normal(loc=Ex[0], scale=np.abs(Enn0), size=1)
        Enn1 = X1[i]
        np.random.seed(int(np.random.random()*100)+i+1)
        X1[i] = np.random.normal(loc=Ex[1], scale=np.abs(Enn1), size=1)
        Y[i] = np.exp(-(X0[i] - Ex[0]) * (X0[i] - Ex[0]) / (2 * Enn0 * Enn0)-(X1[i] - Ex[1]) * (X1[i] - Ex[1]) / (2 * Enn1 * Enn1))
    ax.scatter(X0, X1, Y, s=10, alpha=0.5, c=color, marker=marker,label=label)

def plot_2d_trim_cloud_model(Ex, En, He, n, ax, trim_panel=[[1.5,0.5,0],[0.5,1.5,0],[0.5,1.5,1],1],label='', color = 'r',marker = 'o'):
    """该函数每次画1个云图

    Args:
        Ex ([float,float]): 期望,二维数组
        En ([float,float]): 熵,二维数组
        He ([float,float]): 超熵,二维数组
        n (int): 云滴数量
        ax (Axes): 画布，必须为3d画布，云图将绘制到指定画布上
        trim_panel：分割面，数组的前三个元素为分割面上的三个点，最后一位>0时筛选出分割面以上的点，<0时筛选出分割面以下的点
        label (str, optional): 云图名称，会显示在图例中，默认为空
        color (str, optional): 云图颜色，默认'r'代表红色
        marker (str, optional): 数据点显示符号，默认显示一个圆圈
    """      
    #确定分割panel的四个参数
    a=(trim_panel[1][1]-trim_panel[0][1])*(trim_panel[2][2]-trim_panel[0][2])-(trim_panel[1][2]-trim_panel[0][2])*(trim_panel[2][1]-trim_panel[0][1])
    b=(trim_panel[1][2]-trim_panel[0][2])*(trim_panel[2][0]-trim_panel[0][0])-(trim_panel[1][0]-trim_panel[0][0])*(trim_panel[2][2]-trim_panel[0][2])
    c=(trim_panel[1][0]-trim_panel[0][0])*(trim_panel[2][1]-trim_panel[0][1])-(trim_panel[1][1]-trim_panel[0][1])*(trim_panel[2][0]-trim_panel[0][0])
    d=-(a*trim_panel[0][0]+b*trim_panel[0][1]+c*trim_panel[0][2])

    Y = np.zeros((1, n))
    np.random.seed(int(np.random.random()*100))
    X0 = np.random.normal(loc=En[0], scale=He[0], size=n)
    Y = Y[0]
    np.random.seed(int(np.random.random()*100)+1)
    X1 = np.random.normal(loc=En[1], scale=He[1], size=n)
    for i in range(n):
        Enn0 = X0[i]
        np.random.seed(int(np.random.random()*100)+i)
        X0[i] = np.random.normal(loc=Ex[0], scale=np.abs(Enn0), size=1)
        Enn1 = X1[i]
        np.random.seed(int(np.random.random()*100)+i+1)
        X1[i] = np.random.normal(loc=Ex[1], scale=np.abs(Enn1), size=1)
        Y[i] = np.exp(-(X0[i] - Ex[0]) * (X0[i] - Ex[0]) / (2 * Enn0 * Enn0)-(X1[i] - Ex[1]) * (X1[i] - Ex[1]) / (2 * Enn1 * Enn1))

    #筛选出分割面一侧的点
    Selected_X0 = []
    Selected_X1 = []
    Selected_Y = []
    if(trim_panel[3]>0):
        for i in range(n):
            if((a*X0[i]+b*X1[i]+c*Y[i]+d)>=0):
                Selected_X0.append(X0[i])
                Selected_X1.append(X1[i])
                Selected_Y.append(Y[i])
    else:
        for i in range(n):
            if((a*X0[i]+b*X1[i]+c*Y[i]+d)<0):
                Selected_X0.append(X0[i])
                Selected_X1.append(X1[i])
                Selected_Y.append(Y[i])
    ax.scatter(Selected_X0, Selected_X1, Selected_Y, s=10, alpha=0.5, c=color, marker=marker,label=label)


if __name__ =='__main__': 
    # 画二维图
    fig = plt.figure(len(plt.get_fignums()))
    ax = fig.add_subplot(111) #创建画布，画布句柄为ax
    title = '设置你的标题'
    ax.set_title(title)#在ax指向的画布上绘图
    ax.set_xlabel('期望')
    ax.set_ylabel('隶属度')
    ax.grid(True)
    plot_cloud_model(1.5, 0.61, 0.1, 500, ax,'云图1','r','o')
    plot_cloud_model(2.0, 0.33, 0.1, 500, ax,'云图2','g','x')
    plot_cloud_model(-1, 0.8, 0.1, 500, ax,'云图3','b','*')
    ax.legend(loc='best')

    # 画三维图
    fig_3d = plt.figure(len(plt.get_fignums()))
    ax_3d = fig_3d.add_subplot(111, projection='3d') #创建三维画布，画布句柄为ax_3d
    title = '设置你的标题'
    ax_3d.set_title(title)#在ax_3d指向的画布上绘图
    ax_3d.set_xlabel('期望1')
    ax_3d.set_ylabel('期望2')
    ax_3d.set_zlabel('隶属度')
    ax_3d.grid(True)
    plot_2d_cloud_model([1.5,2], [0.61,0.2], [0.1,0.1], 2000, ax_3d,'云图1','r','o')
    plot_2d_cloud_model([2.0,2.5], [0.33,0.5], [0.1,0.1], 2000, ax_3d,'云图2','g','x')
    plot_2d_cloud_model([-1,1], [0.8,0.1], [0.1,0.1], 2000, ax_3d,'云图3','b','*')
    ax_3d.legend(loc='best')

    # 画带分割面的三维图
    fig_3d_trim = plt.figure(len(plt.get_fignums()))
    ax_3d_trim = fig_3d_trim.add_subplot(111, projection='3d') #创建三维画布，画布句柄为ax_3d
    title = '设置你的标题'
    ax_3d_trim.set_title(title)#在ax_3d指向的画布上绘图
    ax_3d_trim.set_xlabel('期望1')
    ax_3d_trim.set_ylabel('期望2')
    ax_3d_trim.set_zlabel('隶属度')
    ax_3d_trim.grid(True)
    trim_panel = [[2,2,0],[0.5,1.5,0],[0.5,1.5,1],1]#定义一个分割面
    plot_2d_trim_cloud_model([1.5,2], [0.61,0.2], [0.1,0.1], 2000, ax_3d_trim,trim_panel,'云图1','r','o')
    plot_2d_trim_cloud_model([2.0,2.5], [0.33,0.5], [0.1,0.1], 2000, ax_3d_trim,trim_panel,'云图2','g','x')
    plot_2d_trim_cloud_model([-1,1], [0.8,0.1], [0.1,0.1], 2000, ax_3d_trim,trim_panel,'云图3','b','*')
    ax_3d_trim.legend(loc='best')
    plt.show()
    plt.pause(3600)  # 延时关闭，以便开启多个绘图窗口，须在程序最后执行

------------------------------------------------分割线 matlab代码-----------------------------------------------------

clear;
clc;
% 生成3个1维云模型数据
cloud1 = generate_cloud_model(5,1,0.01,200,'云图1','r','o');
cloud2 = generate_cloud_model(9,3,0.01,200,'云图2','b','o');
cloud3 = generate_cloud_model(-2,2,0.01,200,'云图3','m','o');
% 绘制刚才生成的2个1维云模型
plot_cloud_models({cloud1,cloud2,cloud3},'这是一张1维云图','指标1','隶属度');

% 生成3个2维云模型数据
cloud4 = generate_2d_cloud_model([5 5],[2 4],[0.01 0.001],200,'云图4','r','*');
cloud5 = generate_2d_cloud_model([15 10],[4 2],[0.01 0.001],200,'云图5','b','*');
cloud6 = generate_2d_cloud_model([10 2],[1 3],[0.01 0.001],200,'云图6','m','*');
% 绘制刚才生成的2个2维云模型
plot_2d_cloud_models({cloud4,cloud5,cloud6},'这是一张2维云图','指标1','指标2','隶属度');

%% 生成1组1维云模型数据
function result = generate_cloud_model(Ex, En, He, n, label, color,marker)
    % Ex, 云模型的期望，是1维向量
    % En, 云模型的熵，是1维向量
    % He, 云模型的超熵，是1维向量
    % n, 云模型数据点数量，是1维向量
    % label, 云模型图例标签，是1维向量
    % color, 云模型绘图时的点的颜色，是1维向量
    % marker，云模型绘图时的点的形状，是1维向量
    Y = zeros(n,1);
    X = normrnd(En,He,n,1);
    for i=1:n
        Enn = X(i);
        X(i) = normrnd(Ex,abs(Enn),1,1);
        Y(i) = power(exp(1),-(X(i) - Ex) * (X(i) - Ex) / (2 * Enn * Enn));

    end
    result = {X,Y,color,marker,label};
end
%% 生成1组2维云模型数据
function result = generate_2d_cloud_model(Ex, En, He, n, label, color,marker)
    % Ex, 云模型的期望，是2维向量
    % En, 云模型的熵，是2维向量
    % He, 云模型的超熵，是2维向量
    % n, 云模型数据点数量，是1维向量
    % label, 云模型图例标签，是1维向量
    % color, 云模型绘图时的点的颜色，是1维向量
    % marker，云模型绘图时的点的形状，是1维向量
    Y = zeros(n,1);
    X1 = normrnd(En(1),He(1),n,1);
    X2 = normrnd(En(2),He(2),n,1);
    for i=1:n
        Enn1 = X1(i);
        X1(i) = normrnd(Ex(1),abs(Enn1),1,1);
        Enn2 = X2(i);
        X2(i) = normrnd(Ex(2),abs(Enn2),1,1);
        Y(i) = power(exp(1),-(X1(i) - Ex(1)) * (X1(i) - Ex(1)) / (2 * Enn1 * Enn1)-(X2(i) - Ex(2)) * (X2(i) - Ex(2)) / (2 * Enn2 * Enn2));

    end
    result = {X1,X2,Y,color,marker,label};
end
%% 画多个1维云模型图，云模型数据由generate函数生成
function plot_cloud_models(models,model_title,x_label,y_label)
    % models，包含了多组云模型数据，在本函数中将这些云模型数据画出来
    % model_title，要绘制图的title
    % x_label，要绘制图的x轴标签
    % y_label，要绘制图的y轴标签
    model_count = length(models);
    if(model_count == 0)
        return;
    end
    labels = strings(1,model_count);
    figure;
    hold on;
    for i=1:model_count
        cur_model = models(i);
        cur_model = cur_model{1};
        X = cur_model{1};
        Y = cur_model{2};
        color = cur_model{3};
        marker = cur_model{4};
        labels(i) = cur_model{5};
        scatter(X,Y,color,marker);
    end
    legend(labels); 
    title(model_title)
    xlabel(x_label) 
    ylabel(y_label) 
    grid on;
    view(2)
    hold off;
end
%% 画多个2维云模型图，云模型数据由generate函数生成
function plot_2d_cloud_models(models,model_title,x_label,y_label,z_label)
    % models，包含了多组云模型数据，在本函数中将这些云模型数据画出来
    % model_title，要绘制图的title
    % x_label，要绘制图的x轴标签
    % y_label，要绘制图的y轴标签
    % z_label，要绘制图的z轴标签
    model_count = length(models);
    if(model_count == 0)
        return;
    end
    labels = strings(1,model_count);
    figure;
    hold on;
    for i=1:model_count
        cur_model = models(i);
        cur_model = cur_model{1};
        X = cur_model{1};
        Y = cur_model{2};
        Z = cur_model{3};
        color = cur_model{4};
        marker = cur_model{5};
        labels(i) = cur_model{6};
        scatter3(X,Y,Z,color,marker);
    end
    legend(labels); 
    title(model_title)
    xlabel(x_label) 
    ylabel(y_label) 
    zlabel(z_label) 
    grid on;
    view(3)
    hold off;
end

matlab绘图结果：

• 落款

如有疑问，评论留言或imtht.cn@gmail.com，知无不言，祝各位早日交稿费。