Python：Matplotlib 绘制 3D曲面图（实现基本设置的函数模板，直接复制即可调用）

Matplotlib 是 Python 的绘图库，它与 NumPy 一起使用，可以基本上实现 MATLAB 的绘图和计算功能，而且效率更高，速度更快。

今天主要说一下关于 Matplotlib 绘制三维图像，并实现一个可以多次使用的函数模板，直接复制调用即可使用。

1. 导入模块包

numpy和matplotlib是两个常规的基本模块。因为实现的是三维绘图，所以需要另外一个模块Axes3D，这是是 Matplotlib 里面专门用来画三维图的工具包。

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

2. 图像的基本设置

这里包括对图中字体大小、图片长宽比、分辨率的调整，并将其转换为三维格式。

	plt.rcParams.update({'font.size': 32})  # 统一设置图中字体大小
	fig = plt.figure(figsize=(20, 16), dpi=50)  # 设置图像大小和分辨率
	ax3 = Axes3D(fig)  # 将图像转换为3D模式

3. 处理数据，生成坐标矩阵

这里的matrix是一个二维列表，是 Python 的基本数据格式，需要将其先转化为np.array的格式，才能进行更多的操作。
另外要根据传入的二维数据创建坐标矩阵，这一点很重要。

    # 绘制三维图像
    matrix = np.array(matrix)
    # 根据二维数据的长宽创建坐标矩阵
    arrX = np.arange(0, len(matrix[0]))
    arrY = np.arange(0, len(matrix))
    X, Y = np.meshgrid(arrX, arrY)  # 创建坐标矩阵
    print(X.shape, Y.shape, matrix.shape)
    ax3.plot_surface(X, Y, matrix, cmap='rainbow')

4. 设置坐标轴刻度，稀疏化坐标轴刻度

如果我们的数据是100 X 100 的二维矩阵，如果将所有的刻度都显示在坐标轴上，那么必会变得密密麻麻，所以我们需要将坐标刻度稀疏化，并用自己想要的方式展现出来。
使用xticks(x, _x)设置X坐标轴刻度（Y轴同理，但是不能设置Z轴）：

第一个参数：刻度值列表
第二个参数：需要展示的出来的经过处理的刻度值列表。这里可以对刻度自定义，比如统一扩大10倍或缩小十倍（本例中以0.1为步长取的数据，所以在刻度上要乘上步长，即缩小为0.1倍），同时也可以设置为字符串。

    x = list(range(len(arrX)))[::int(len(arrX) / 10)]
    _x = [int(i * stepValue) for i in x]
    plt.xticks(x, _x)

5. 设置图片名称并保存

使用xlabel设置X轴名称（Y轴同理，但是不能设置Z轴）：

第一个参数：X轴名称的字符串
第二个参数（labelpad）：X轴名称与X轴之间的间隔距离

使用savefig储存图片，这里直接将需要储存的图片格式写在图片名称的字符串中即可。如果在 LaTeX中使用推荐.eps格式，另外也可以储存为.jpg格式和.png格式.

    plt.xlabel(keyX, labelpad=30)  # X轴名称
    plt.ylabel(keyY, labelpad=30)  # Y轴名称
    plt.title("The effect of {} and {} on GJBD".format(keyX, keyY), pad=20)  # 图形题目
    plt.savefig("./change_{}{}.eps".format(keyX, keyY))  # 保存图片
    plt.show()

完整代码接口如下

三个参数如下：

matrix : 二维列表格式的数据，形如[ [1,2,3], [4,5,6], [7,8,9] ]
keyX : X轴名称
keyY : Y轴名称

其中stepValue是二维数据的采集步长，可以根据实际情况自行修改。

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

''' 使用二维列表数据绘制三维曲面图
--- matrix : 二维数据（普通Python二维列表）
--- keyX : X轴名称（string）
--- keyY : Y轴名称（string）
'''
def figure_3D(matrix, keyX, keyY):
    plt.rcParams.update({'font.size': 32})  # 统一设置图中字体大小
    fig = plt.figure(figsize=(20, 16), dpi=50)  # 设置图像大小和分辨率
    ax3 = Axes3D(fig)  # 将图像转换为3D模式

    # 绘制三维图像
    matrix = np.array(matrix)
    # 根据二维数据的长宽创建坐标矩阵
    arrX = np.arange(0, len(matrix[0]))
    arrY = np.arange(0, len(matrix))
    X, Y = np.meshgrid(arrX, arrY)  # 创建坐标矩阵
    print(X.shape, Y.shape, matrix.shape)
    ax3.plot_surface(X, Y, matrix, cmap='rainbow')

    # 设置坐标轴刻度
	stepValue = 0.1    # 步长
    x = list(range(len(arrX)))[::int(len(arrX) / 10)]
    _x = [int(i * stepValue) for i in x]
    plt.xticks(x, _x)
    y = list(range(len(arrY)))[::int(len(arrY) / 5)]
    _y = [round(i * stepValue, 1) for i in y]
    plt.yticks(y, _y)

    # 设置坐标轴名称
    plt.xlabel(keyX, labelpad=30)  # X轴名称
    plt.ylabel(keyY, labelpad=30)  # Y轴名称
    plt.title("The effect of {} and {} ".format(keyX, keyY), pad=20)  # 图形题目
    plt.savefig("./change_{}{}.eps".format(keyX, keyY))  # 保存图片
    plt.show()