【100天精通Python】Day65：Python可视化_Matplotlib3D绘图mplot3d，绘制3D散点图、3D线图和3D条形图，示例+代码

业界资讯 2023-09-20 17:52:03 阅读次数: 0

1  mpl_toolkits.mplot3d  功能介绍

  mpl_toolkits.mplot3d 是 Matplotlib 库中的一个子模块，用于绘制和可视化三维图形，包括三维散点图、曲面图、线图等。它提供了丰富的功能来创建和定制三维图形。以下是 mpl_toolkits.mplot3d 的主要功能和功能简介：

  1. 3D 散点图：通过 scatter 函数，你可以绘制三维散点图，用于显示三维数据点的分布和关系。

  2. 3D 曲面图：使用 plot_surface 函数，可以创建三维曲面图，用于可视化三维数据的表面形状。这对于显示函数的三维性质非常有用。

  3. 3D 线图：plot 函数允许你绘制三维线图，用于表示数据点之间的连接关系。这对于显示数据随时间或其他变量的变化趋势非常有用。

  4. 3D 条形图：通过 bar3d 函数，你可以创建三维柱状图，用于比较不同类别或组的数据。

  5. 3D 散点图标记和颜色：你可以根据数据的特性来定制散点图的标记形状和颜色，以区分不同的数据点。

  6. 3D 坐标轴定制：你可以设置和定制三维图的坐标轴，包括添加标签、设置刻度和范围等。

  7. 图形样式定制：你可以设置图形的样式，包括标题、图例、背景色、线条样式和颜色等，以使图形更具吸引力和可读性。

  8. 3D 投影：mpl_toolkits.mplot3d 支持不同类型的三维投影，包括透视投影和正交投影，以满足不同的可视化需求。

  9. 动画和交互性：你可以在三维图中添加动画效果或交互式元素，以更好地探索数据。

  10. 多图形组合：你可以在同一个三维图中组合多个不同类型的图形，以展示多个数据系列。

    扫描二维码关注公众号，回复： 16805904 查看本文章

  11. 保存图形：最后，你可以将绘制的三维图形保存为图像文件，以便在文档中使用或与他人分享。

        总之，mpl_toolkits.mplot3d 子模块为 Matplotlib 提供了强大的三维可视化工具，可以用于可视化和分析三维数据。根据你的需求，你可以选择不同的图形类型和样式来呈现数据，以便更好地理解和传达你的发现。

在 Matplotlib 的 mpl_toolkits.mplot3d 模块中，绘制 3D 图的一般流程包括以下步骤：

（1）导入必要的库和模块：

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

 （2）创建一个 3D 图形的绘图对象：

fig = plt.figure()

（3） 创建一个 3D 子图：

ax = fig.add_subplot(111, projection='3d')

（4） 准备数据：定义 X、Y 和 Z 数据，这些数据将在 3D 图中表示。

  1. 使用相应的 3D 绘图函数来绘制数据，例如：

    • 散点图：ax.scatter(x, y, z, c='color', marker='marker_style', label='label')
    • 曲面图：ax.plot_surface(X, Y, Z, cmap='colormap')
    • 线图：ax.plot(x, y, z, label='label')
    • 柱状图：ax.bar3d(x, y, z, dx, dy, dz, shade=True)

（5）添加坐标轴标签：

ax.set_xlabel('X轴标签') 
ax.set_ylabel('Y轴标签') 
ax.set_zlabel('Z轴标签')

（6）添加标题：

plt.title('3D 图标题')

（7）添加图例（如果需要）：

ax.legend()

（8）显示图形：

plt.show()

2 绘制3D散点图

        在matplotlib的mpl_toolkits.mplot3d模块中，你可以使用`scatter`函数绘制多种类型的3D散点图。

下面是一些常见的3D散点图类型：

2.1 绘制单色散点图

        所有的散点都使用相同的颜色。可以通过设置`c`参数指定颜色。

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

# 创建数据
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制单色散点图
ax.scatter(x, y, z, c='blue')

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()


2.2 绘制彩色散点图

        不同的散点可以使用不同的颜色。可以通过设置`c`参数为一个具有相同长度的数组来指定每个散点的颜色。

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

# 创建数据
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)
colors = np.random.rand(100)

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制彩色散点图
ax.scatter(x, y, z, c=colors)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()


2.3 绘制大小变化散点图

        散点的大小可以根据某个特征进行变化。可以通过设置`s`参数为一个具有相同长度的数组来指定每个散点的大小。

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

# 创建数据
x = np.random.rand(100)  # x坐标
y = np.random.rand(100)  # y坐标
z = np.random.rand(100)  # z坐标
colors = np.random.rand(100)  # 散点颜色
sizes = np.random.randint(low=50, high=200, size=100)  # 散点大小

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制散点图
ax.scatter(x, y, z, c=colors, s=sizes, alpha=0.8)

# 设置坐标轴标签
ax.set_xlabel('X')  # 设置x轴标签
ax.set_ylabel('Y')  # 设置y轴标签
ax.set_zlabel('Z')  # 设置z轴标签

# 显示图形
plt.show()


2.4 绘制形状变化散点图

        散点的形状可以根据某个特征进行变化。可以通过设置`marker`参数来指定散点的形状。

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

# 创建数据
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)
markers = ['o', 's', '^', 'D']

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制形状变化散点图
for i in range(len(x)):
    ax.scatter(x[i], y[i], z[i], marker=markers[i%len(markers)])

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

3 绘制3D线图

        使用mpl_toolkits.mplot3d模块中的Axes3D对象绘制3D线图。

3.1 简单线图

        使用`plot`函数绘制简单的曲线。

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

# 创建数据
x = np.linspace(0, 1, 100)
y = np.sin(2 * np.pi * x)
z = np.cos(2 * np.pi * x)

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制简单线图
ax.plot(x, y, z)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()


3.2 绘制多线图

        使用`plot`函数绘制多条线并在同一图表中显示。

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

plt.rcParams['font.sans-serif'] = ['SimHei']


# 创建示例数据
t = np.linspace(0, 20, 100)  # 时间或X轴数据
x1 = np.sin(t)
y1 = np.cos(t)
z1 = t

x2 = np.sin(t) + 2
y2 = np.cos(t) + 2
z2 = t

# 创建图形和子图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制第一条线
ax.plot(x1, y1, z1, label='线1', color='blue', linestyle='-', linewidth=2)

# 绘制第二条线
ax.plot(x2, y2, z2, label='线2', color='red', linestyle='--', linewidth=2)

# 添加标题
plt.title('三维多线图示例')

# 添加坐标轴标签
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')

# 添加图例
ax.legend()

# 显示图形
plt.show()

 

3.3  绘制带标记的线图

        使用`plot`函数，并通过设置`marker`参数来添加线上的标记点。

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

# 创建数据
x = np.linspace(0, 1, 100)
y = np.sin(2 * np.pi * x)
z = np.cos(2 * np.pi * x)

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制带标记的线图
ax.plot(x, y, z, marker='o')

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()


3.4  绘制立体网格线图

        使用`plot_wireframe`函数在3D空间中绘制网格线图。

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

# 创建数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X ** 2 + Y ** 2))

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制立体网格线图
ax.plot_wireframe(X, Y, Z)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()


3.5  绘制等高线图

        使用`contour`或`contourf`函数在3D空间中绘制等高线。

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

# 创建数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制3D等高线图
ax.contour3D(X, Y, Z, 50, cmap='viridis')

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

4 绘制3D条形图

        在matplotlib中，由于 ​mpl_toolkits.mplot3d​模块的限制，没有直接绘制3D的条形图的函数。不过你可以使用 ​bar3d​函数绘制类似的3D条形图效果。

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

# 创建数据
x = [1, 2, 3, 4, 5]  # x轴坐标位置
y = [1, 2, 3, 4, 5]  # y轴坐标位置
z = [0, 3, 2, 5, 1]  # z轴高度，即条形的高度
dx = dy = 0.8  # x和y方向的宽度
dz = z  # 条形的高度
colors = ['red', 'green', 'blue', 'orange', 'purple']  # 颜色列表，一一对应于每个条形

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制3D条形图，并设置每个条形的颜色
for xi, yi, zi, color in zip(x, y, z, colors):
    ax.bar3d(xi, yi, 0, dx, dy, zi, color=color)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

猜你喜欢

转载自blog.csdn.net/qq_35831906/article/details/133073428
今日推荐
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
周排行
让自己的头脑极度开放
CentOS 6.5(x64) 和Redhat6.5操作系误删libc
高可用注册中心
【日记】12.28/【题解】AtCoder AGC041
XML（5）_XML 约束_DTD
Java集合Map（四）
树梅派安装桌面环境教程
pipenv 的 使用和安装
小程序白屏问题和内存研究
C语言简单选择排序
每日归档
更多
2024-05-02(0)
2024-05-01(4)
2024-04-30(1)
2024-04-29(40)
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022