python中Matplotlib實作繪製3D圖方法介紹

本篇文章主要介紹了python中Matplotlib實作繪製3D圖的範例程式碼，具有一定的參考價值，有興趣的可以了解一下

Matplotlib 也可以繪製3D 影像，與二維影像不同的是，繪製三維影像主要透過mplot3d 模組實現。但是，使用 Matplotlib 繪製三維影像實際上是在二維畫布上展示，所以一般繪製三維影像時，同樣需要載入 pyplot 模組。
mplot3d 模組下主要包含4 個大類，分別是：

• mpl_toolkits.mplot3d.axes3d()

• #mpl_toolkits.mplot3d .axis3d()

• mpl_toolkits.mplot3d.art3d()

• mpl_toolkits.mplot3d.proj3d()

##其中，axes3d() 以下主要包含了各種實作繪圖的類別和方法。 axis3d() 主要是包含了和座標軸相關的類別和方法。 art3d() 包含了一些可將 2D 影像轉換並用於 3D 繪製的類別和方法。 proj3d() 中包含一些零碎的類別和方法，例如計算三維向量長度等。

一般情況下，我們用到最多的就是mpl_toolkits.mplot3d.axes3d() 中的mpl_toolkits.mplot3d.axes3d.Axes3D() 類，而Axes3D() 下面又存在繪製不同類型3D圖的方法。你可以透過下面的方式導入 Axes3D()。

from mpl_toolkits.mplot3d.axes3d import Axes3D或from mpl_toolkits.mplot3d import Axes3D

#三維散點圖

## numpy 隨機產生一組資料。

import numpy as np

# x, y, z 均为 0 到 1 之间的 100 个随机数
x = np.random.normal(0, 1, 100)
y = np.random.normal(0, 1, 100)
z = np.random.normal(0, 1, 100)

接下來，開始繪圖。第一步是載入 2D, 3D 繪圖模組。

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

第二步，使用 Axes3D() 建立 3D 圖形物件。

fig = plt.figure()
ax = Axes3D(fig)

最後，呼叫散點圖繪製方法繪圖並顯示出來。

ax.scatter(x, y, z)
plt.show()

三維線型圖

線形圖和散佈圖相似，需要傳入x, y, z 三個座標的數值。詳細的程式碼如下。

# 载入模块
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(-6 * np.pi, 6 * np.pi, 1000)
y = np.sin(x)
z = np.cos(x)

# 创建 3D 图形对象
fig = plt.figure()
ax = Axes3D(fig)

# 绘制线型图
ax.plot(x, y, z)

# 显示图
plt.show()

三維柱狀圖

#繪製完線型圖，我們繼續嘗試繪製三維柱狀圖，其實它的繪製步驟和上面同樣非常相似。

# 载入模块
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

# 创建 3D 图形对象
fig = plt.figure()
ax = Axes3D(fig)

# 生成数据并绘图
x = [0, 1, 2, 3, 4, 5, 6]
for i in x:
  y = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
  z = abs(np.random.normal(1, 10, 10))
  ax.bar(y, z, i, zdir='y', color=['r', 'g', 'b', 'y'])
plt.show()

三維圖曲面圖

###接下來需要繪製的三維曲面圖要麻煩一些，我們需要對資料進行矩陣處理。其實和畫二維等高線圖很相似，只是多增加了一個維度。 ############

# 载入模块
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建 3D 图形对象
fig = plt.figure()
ax = Axes3D(fig)

# 生成数据
X = np.arange(-2, 2, 0.1)
Y = np.arange(-2, 2, 0.1)
X, Y = np.meshgrid(X, Y)
Z = np.sqrt(X ** 2 + Y ** 2)

# 绘制曲面图，并使用 cmap 着色
ax.plot_surface(X, Y, Z, cmap=plt.cm.winter)

plt.show()

###cmap=plt.cm.winter 表示採用了 winter 配色方案，也就是下圖的漸層色。 #########混合圖繪製#########混合圖就是將兩種不同類型的圖繪製在一張圖裡。繪製混合圖一般有前提條件，那就是兩種不同類型圖的範圍大致相同，否則將會出現嚴重的比例不協調，而使得混合圖失去意義。 ############

# -*- coding: utf-8 -*
# 载入模块
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

# 创建 3D 图形对象
fig = plt.figure()
ax = Axes3D(fig)

# 生成数据并绘制图 1
x1 = np.linspace(-3 * np.pi, 3 * np.pi, 500)
y1 = np.sin(x1)
ax.plot(x1, y1, zs=0, c='red')

# 生成数据并绘制图 2
x2 = np.random.normal(0, 1, 100)
y2 = np.random.normal(0, 1, 100)
z2 = np.random.normal(0, 1, 100)
ax.scatter(x2, y2, z2)

# 显示图
plt.show()

######子圖繪製################

# -*- coding: utf-8 -*
# 载入模块
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

# 创建 1 张画布
fig = plt.figure()

#===============

# 向画布添加子图 1 
ax1 = fig.add_subplot(1, 2, 1, projection='3d')

# 生成子图 1 数据
x = np.linspace(-6 * np.pi, 6 * np.pi, 1000)
y = np.sin(x)
z = np.cos(x)

# 绘制第 1 张图
ax1.plot(x, y, z)

#===============

# 向画布添加子图 2
ax2 = fig.add_subplot(1, 2, 2, projection='3d')

# 生成子图 2 数据
X = np.arange(-2, 2, 0.1)
Y = np.arange(-2, 2, 0.1)
X, Y = np.meshgrid(X, Y)
Z = np.sqrt(X ** 2 + Y ** 2)

# 绘制第 2 张图
ax2.plot_surface(X, Y, Z, cmap=plt.cm.winter)

# 显示图
plt.show()

###我們可以來看這些程式碼。由於兩張子圖是繪製在 1 張畫布上面的，所以這裡需要事先建立 1 張畫布。然後透過.add_subplot()加入子圖，子圖序號和二維繪圖相似，只是注意 3D 繪圖時要新增projection='3d'參數。 ###

以上是python中Matplotlib實作繪製3D圖方法介紹的詳細內容。更多資訊請關注PHP中文網其他相關文章！