python 3d绘图-python - 轻松学会Matplotlib 3D绘图

大多数数据可视化教程都给出了大致相同的基本内容：散点图，折线图，箱形图，条形图和热图等，一般都是2D平面图。

但是，如果我们希望跟进一步，该怎么办？ 2D图只能显示一对x--y轴之间的关系;而3D图可以让我们探索3对轴：X--y，X--z和y--z。

在本文中，我将向您简要介绍使用Matplotlib进行3D数据可视化的方法。

3D散点图和线图[Scatter图和Line图]

Matplotlib中的3D绘图通过启用实用程序工具包开始。通过pip安装时，mplot3d库随您的标准Matplotlib安装一起提供。只要确保您的Matplotlib版本超过1.0。

导入此子模块后，对于Matplotlib中的任何常规轴创建函数，可以通过传递projection="3d"关键字来创建3D图，：

frommpl_toolkits importmplot3d

importnumpy asnp

importmatplotlib.pyplot asplt

fig = plt.figure()

ax = plt.axes(projection="3d")

plt.show()

现在，我们的轴已创建，我们可以开始以3D绘图。 3D绘图功能非常直观：scatter我们称之为scatter3D，而不是仅通过X和y数据，我们越过X，y和z。其他所有功能设置(例如颜色和线型)均与2D绘图功能相同。

这是绘制3D线和3D点的示例。

fig = plt.figure()

ax = plt.axes(projection="3d")

z_line = np.linspace(0, 15, 1000)

x_line = np.cos(z_line)

y_line = np.sin(z_line)

ax.plot3D(x_line, y_line, z_line, 'gray')

z_points = 15 * np.random.random(100)

x_points = np.cos(z_points) + 0.1 * np.random.randn(100)

y_points = np.sin(z_points) + 0.1 * np.random.randn(100)

ax.scatter3D(x_points, y_points, z_points, c=z_points, cmap='hsv');

plt.show()