Python Matplotlib 3D绘图
人气:0最初开发的 Matplotlib,仅支持绘制 2d 图形,后来随着版本的不断更新, Matplotlib 在二维绘图的基础上,构建了一部分较为实用的 3D 绘图程序包,比如 mpl_toolkits.mplot3d
,通过调用该程序包一些接口可以绘制 3D散点图、3D曲面图、3D线框图等
mpl_toolkits 是 Matplotlib 的绘图工具包。
第一个三维绘图程序
下面编写第一个三维绘图程序。
首先创建一个三维绘图区域, plt.axes() 函数提供了一个参数projection
,将其参数值设置为 "3d"。如下所示:
#导入三维工具包mplot3d from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt fig = plt.figure() #创建3d绘图区域 ax = plt.axes(projection='3d')
有了三维绘图区域,接下来就要构建 3d 图像,如下所示:
#从三个维度构建 z = np.linspace(0, 1, 100) x = z * np.sin(20 * z) y = z * np.cos(20 * z)
最后调用 plot3D() 方法绘制 3d 图形,代码如下:
#调用 ax.plot3D创建三维线图 ax.plot3D(x, y, z, 'gray') ax.set_title('3D line plot') plt.show()
完整程序如下所示:
from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt fig = plt.figure() #从三个维度构建 z = np.linspace(0, 1, 100) x = z * np.sin(20 * z) y = z * np.cos(20 * z) #调用 ax.plot3D创建三维线图 ax.plot3D(x, y, z, 'gray') ax.set_title('3D line plot') plt.show()
输出结果如下所示:
图1:三维线图(3D Line)
上述代码中的 ax.plot3D() 函数可以绘制各种三维图形,这些三维图都要根据(x,y,z)
三元组类来创建。
3D散点图
通过 ax.scatter3D() 函数可以绘制 3D 散点图,示例代码如下:
from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt fig = plt.figure() #创建绘图区域 ax = plt.axes(projection='3d') #构建xyz z = np.linspace(0, 1, 100) x = z * np.sin(20 * z) y = z * np.cos(20 * z) c = x + y ax.scatter3D(x, y, z, c=c) ax.set_title('3d Scatter plot') plt.show()
输出结果图:
图2:Matplotlib 3D绘图
3D等高线图
ax.contour3D() 可以用来创建三维等高线图,该函数要求输入数据均采用二维网格式的矩阵坐标。同时,它可以在每个网格点(x,y)处计算出一个 z 值。
以下示例展示了如何绘制三维正弦等高线图。代码如下:
from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt def f(x, y): return np.sin(np.sqrt(x ** 2 + y ** 2)) #构建x、y数据 x = np.linspace(-6, 6, 30) y = np.linspace(-6, 6, 30) #将数据网格化处理 X, Y = np.meshgrid(x, y) Z = f(X, Y) fig = plt.figure() ax = plt.axes(projection='3d') #50表示在z轴方向等高线的高度层级,binary颜色从白色变成黑色 ax.contour3D(X, Y, Z, 50, cmap='binary') ax.set_xlabel('x') ax.set_ylabel('y') ax.set_zlabel('z') ax.set_title('3D contour') plt.show()
输出结果图如下:
图3:绘制三维轮廓图
3D线框图
线框图同样要采用二维网格形式的数据,与绘制等高线图类似。
线框图可以将数据投影到指定的三维表面上,并输出可视化程度较高的三维效果图。通过 plot_wireframe() 能够绘制 3D 线框图。代码如下:
from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt #要绘制函数图像 def f(x, y): return np.sin(np.sqrt(x ** 2 + y ** 2)) #准备x,y数据 x = np.linspace(-6, 6, 30) y = np.linspace(-6, 6, 30) #生成x、y网格化数据 X, Y = np.meshgrid(x, y) #准备z值 Z = f(X, Y) #绘制图像 fig = plt.figure() ax = plt.axes(projection='3d') #调用绘制线框图的函数plot_wireframe() ax.plot_wireframe(X, Y, Z, color='black') ax.set_title('wireframe') plt.show()
输出结果如下:
图4:Matplotlib绘制线框图
3D曲面图
曲面图表示一个指定的因变量y与两个自变量x和z之间的函数关系。
3D 曲面图是一个三维图形,它非常类似于线框图。不同之处在于,线框图的每个面都由多边形填充而成。Matplotlib 提供的 plot_surface() 函数可以绘制 3D 曲面图,该函数需要接受三个参数值 x,y 和 z 。示例代码如下:
from mpl_toolkits import mplot3d import numpy as np import matplotlib.pyplot as plt #求向量积(outer()方法又称外积) x = np.outer(np.linspace(-2, 2, 30), np.ones(30)) #矩阵转置 y = x.copy().T #数据z z = np.cos(x ** 2 + y ** 2) #绘制曲面图 fig = plt.figure() ax = plt.axes(projection='3d') 调用plot_surface()函数 ax.plot_surface(x, y, z,cmap='viridis', edgecolor='none') ax.set_title('Surface plot') plt.show()
输出结果图:
图5:Matplotlib绘制曲面图
加载全部内容