Python如何实现3D绘图方式
这篇文章将为大家详细讲解有关Python如何实现3D绘图方式,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
我们提供的服务有:成都网站设计、成都网站制作、外贸网站建设、微信公众号开发、网站优化、网站认证、哈尔滨ssl等。为1000多家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务,是有科学管理、有技术的哈尔滨网站制作公司
Axes3D 对象创建方法一:Axes3D(fig)
在 Matplotlib 1.0.0 版本中,绘制 3D 图需要先导入 Axes3D 包,获取 figure 画布对象 fig 后,通过 Axes3D(fig) 方法来创建 Axes3D 对象,具体方法如下:
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 获取 figure 画布并创建 Axes3D 对象 fig = plt.figure() ax = Axes3D(fig) # 数据坐标 z = np.linspace(0, 15, 1000) x = np.sin(z) y = np.cos(z) # 绘制线性图 ax.plot(x, y, z) plt.show()
Axes3D 对象创建方法二:add_subplot
在 Matplotlib 3.2.0 版本中,绘制 3D 图可以通过创建子图,然后指定 projection 参数 为 3d 即可,返回的 ax 为 Axes3D 对象,以下两种方法均可:
import numpy as np import matplotlib.pyplot as plt # 获取 figure 画布并通过子图创建 Axes3D 对象 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 数据坐标 z = np.linspace(0, 15, 1000) x = np.sin(z) y = np.cos(z) # 绘制线性图 ax.plot(x, y, z) plt.show()
import numpy as np import matplotlib.pyplot as plt # 通过子图创建 Axes3D 对象 ax = plt.subplot(111, projection='3d') # 数据坐标 z = np.linspace(0, 15, 1000) x = np.sin(z) y = np.cos(z) # 绘制线性图 ax.plot(x, y, z) plt.show()
【01x03】Axes3D 对象创建方法三:gca
除了以上两种方法以外,还可以先获取画布对象 fig,再通过 fig.gca() 方法获取当前绘图区(gca = Get Current Axes),然后指定 projection 参数 为 3d 即可,返回的 ax 为 Axes3D 对象。
import numpy as np import matplotlib.pyplot as plt # 依次获取画布和绘图区并创建 Axes3D 对象 fig = plt.figure() ax = fig.gca(projection='3d') # 数据坐标 z = np.linspace(0, 15, 1000) x = np.sin(z) y = np.cos(z) # 绘制线性图 ax.plot(x, y, z) plt.show()
以上三种方法运行结果均为下图:
cmap 与 colorbar
默认情况下,散点图、线性图、曲面图等将以纯色着色,但可以通过提供 cmap 参数支持颜色映射。cmap 参数用于设置一些特殊的颜色组合,如渐变色等。
如果使用了 cmap 参数,则可以使用 pyplot.colorbar() 函数来绘制一个色条,即颜色对照条。
基本语法:matplotlib.pyplot.colorbar([mappable=None, cax=None, ax=None, **kw])
部分参数解释如下表,其他参数,如长度,宽度等请参考官方文档。
参数 | 描述 |
mappable | 要设置色条的图像对象,该参数对于 Figure.colorbar 方法是必需的,但对于 pyplot.colorbar 函数是可选的 |
cax | 可选项,要绘制色条的轴 |
ax | 可选项,设置色条的显示位置,通常在一个画布上有多个子图时使用 |
**kw | 可选项,其他关键字参数,参考官方文档 |
3D 线性图:Axes3D.plot
基本方法:Axes3D.plot(xs, ys[, zs, zdir='z', *args, **kwargs])
参数 | 描述 |
xs | 一维数组,点的 x 轴坐标 |
ys | 一维数组,点的 y 轴坐标 |
zs | 一维数组,可选项,点的 z 轴坐标 |
zdir | 可选项,在 3D 轴上绘制 2D 数据时,数据必须以 xs,ys 的形式传递 ,若此时将 zdir 设置为 ‘y’,数据将会被绘制到 x-z 轴平面上,默认为 ‘z’ |
**kwargs | 其他关键字参数,可选项,可参见 matplotlib.axes.Axes.plot |
import numpy as np import matplotlib.pyplot as plt # 设置中文显示 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 依次获取画布和绘图区并创建 Axes3D 对象 fig = plt.figure() ax = fig.gca(projection='3d') # 第一条3D线性图数据 theta = np.linspace(-4 * np.pi, 4 * np.pi, 100) z1 = np.linspace(-2, 2, 100) r = z1**2 + 1 x1 = r * np.sin(theta) y1 = r * np.cos(theta) # 第二条3D线性图数据 z2 = np.linspace(-3, 3, 100) x2 = np.sin(z2) y2 = np.cos(z2) # 绘制3D线性图 ax.plot(x1, y1, z1, color='b', label='3D 线性图一') ax.plot(x2, y2, z2, color='r', label='3D 线性图二') # 设置标题、轴标签、图例,也可以直接使用 plt.title、plt.xlabel、plt.legend... ax.set_title('绘制 3D 线性图示例', pad=15, fontsize='12') ax.set_xlabel('x 轴', color='r', fontsize='12') ax.set_ylabel('y 轴', color='g', fontsize='12') ax.set_zlabel('z 轴', color='b', fontsize='12') ax.legend() plt.show()
3D 散点图:Axes3D.scatter
基本方法:Axes3D.scatter(xs, ys[, zs=0, zdir='z', s=20, c=None, depthshade=True, *args, **kwargs])
参数 | 描述 |
xs | 一维数组,点的 x 轴坐标 |
ys | 一维数组,点的 y 轴坐标 |
zs | 一维数组,可选项,点的 z 轴坐标 |
zdir | 可选项,在 3D 轴上绘制 2D 数据时,数据必须以 xs,ys 的形式传递 若此时将 zdir 设置为 ‘y’,数据将会被绘制到 x-z 轴平面上,默认为 ‘z’, |
s | 标量或数组类型,可选项,标记的大小,默认 20 |
c | 标记的颜色,可选项,可以是单个颜色或者一个颜色列表 支持英文颜色名称及其简写、十六进制颜色码等,更多颜色示例参见官网 Color Demo |
depthshade | bool 值,可选项,默认 True,是否为散点标记着色以提供深度外观 |
**kwargs | 其他关键字参数,可选项,可参见 scatter |
import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 依次获取画布和绘图区并创建 Axes3D 对象 fig = plt.figure() ax = fig.gca(projection='3d') n = 100 def randrange(n, vmin, vmax): return (vmax - vmin)*np.random.rand(n) + vmin ''' 定义绘制 n 个随机点,设置每一组数据点的样式和范围 x轴数据位于[23,32]区间,y轴数据位于[0,100]区间,z轴数据位于[zlow,zhigh]区间 ''' for m, zlow, zhigh in [('o', -50, -25), ('^', -30, -5)]: xs = randrange(n, 23, 32) ys = randrange(n, 0, 100) zs = randrange(n, zlow, zhigh) ax.scatter(xs, ys, zs, marker=m) # 设置标题、轴标签、图例,也可以直接使用 plt.title、plt.xlabel... ax.set_title('绘制 3D 散点图示例', pad=15, fontsize='12') ax.set_xlabel('x 轴', color='b') ax.set_ylabel('y 轴', color='b') ax.set_zlabel('z 轴', color='b') plt.show()
3D 线框图:Axes3D.plot_wireframe
基本方法:Axes3D.plot_wireframe(X, Y, Z[, *args, **kwargs])
参数 | 描述 |
X | 二维数组,x 轴数据 |
Y | 二维数组,y 轴数据 |
Z | 二维数组,z 轴数据 |
**kwargs | 其他关键字参数,可选项,如线条样式颜色等,可参见 Line3DCollection |
import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 获取 figure 画布并通过子图创建 Axes3D 对象 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 定义Z轴坐标的生成方法 def f(m, n): return np.sin(np.sqrt(m ** 2 + n ** 2)) # 设置3D线框图数据 x = np.linspace(-6, 6, 30) y = np.linspace(-6, 6, 30) # 生成网格点坐标矩阵,该方法在系列文章八中有具体介绍 X, Y = np.meshgrid(x, y) Z = f(X, Y) # 绘制3D线框图 ax.plot_wireframe(X, Y, Z, color='c') # 设置标题、轴标签、图例,也可以直接使用 plt.title、plt.xlabel... ax.set_title('绘制 3D 线框图示例', pad=15, fontsize='12') ax.set_xlabel('x 轴') ax.set_ylabel('y 轴') ax.set_zlabel('z 轴') plt.show()
关于Python如何实现3D绘图方式就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
分享文章:Python如何实现3D绘图方式
本文路径:http://scyanting.com/article/gjiidh.html