python中Matplotlib实现绘制3D图的⽰例代码
Matplotlib 也可以绘制 3D 图像，与⼆维图像不同的是，绘制三维图像主要通过 mplot3d 模块实现。但是，使⽤ Matplotlib 绘制三维图像实际上是在⼆维画布上展⽰，所以⼀般绘制三维图像时，同样需要载⼊ pyplot 模块。mplot3d 模块下主要包含 4 个⼤类，分别是：
mpl_toolkits.mplot3d.axes3d()mpl_toolkits.mplot3d.axis3d()mpl_toolkits.mplot3d.art3d()mpl_toolkits.mplot3d.proj3d()
其中，axes3d() 下⾯主要包含了各种实现绘图的类和⽅法。axis3d() 主要是包含了和坐标轴相关的类和⽅法。art3d() 包含了⼀些可将 2D 图像转换并⽤于 3D 绘制的类和⽅法。proj3d() 中包含⼀些零碎的类和⽅法，例如计算三维向量长度等。⼀般情况下，我们⽤到最多的就是 mpl_toolkits.mplot3d.axes3d() 中的mpl_toolkits.mplot3d.axes3d.Axes3D() 类，⽽Axes3D() 下⾯⼜存在绘制不同类型 3D 图的⽅法。你可以通过下⾯的⽅式导⼊ Axes3D()。from mpl_toolkits.mplot3d.axes3d import Axes3D或from mpl_toolkits.mplot3d import Axes3D三维散点图
⾸先，我们导⼊ numpy 随机⽣成⼀组数据。
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)
接下来，开始绘图。第⼀步是载⼊ 2D, 3D 绘图模块。
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as plt
第⼆步，使⽤ Axes3D() 创建 3D 图形对象。
fig = plt.figure()ax = Axes3D(fig)
最后，调⽤散点图绘制⽅法绘图并显⽰出来。
ax.scatter(x, y, z)plt.show()
三维线型图
线形图和散点图相似，需要传⼊ x, y, z 三个坐标的数值。详细的代码如下。
# 载⼊模块
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport 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()
三维柱状图
绘制完线型图，我们继续尝试绘制三维柱状图，其实它的绘制步骤和上⾯同样⾮常相似。
# 载⼊模块
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport 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()
三维图曲⾯图
接下来需要绘制的三维曲⾯图要⿇烦⼀些，我们需要对数据进⾏矩阵处理。其实和画⼆维等⾼线图很相似，只是多增加了⼀个维度。
# 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 表⽰采⽤了 winter 配⾊⽅案，也就是下图的渐变⾊。混合图绘制
混合图就是将两种不同类型的图绘制在⼀张图⾥。绘制混合图⼀般有前提条件，那就是两种不同类型图的范围⼤致相同，否则将会出现严重的⽐例不协调，⽽使得混合图失去意义。
# -*- coding: utf-8 -*# 载⼊模块
from mpl_toolkits.mplot3d import Axes3Dimport 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()
⼦图绘制
# -*- coding: utf-8 -*# 载⼊模块
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport 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()
我们可以来看⼀下这些代码。由于两张⼦图是绘制在 1 张画布上⾯的，所以这⾥需要提前创建 1 张画布。然后通过.add_subplot()添加⼦图，⼦图序号和⼆维绘图相似，只是注意 3D 绘图时要添加projection='3d'参数。以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。
