摘要

本文通过学习matplotlib绘制3d图形的官方文档，总结了常用的3d图形，以及针对每类图形，通过一个小案例进行可视化。
官方文档

（一）添加matplotlib 3D模块

从工具箱中导入绘制3D图所需要的坐标轴模块。

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

绘制子图添加坐标轴时先申明绘制的类型为：3D (使用projection = “3d”进行申明)。

# 绘制子图添加坐标轴时先申明绘制的类型为：3D (使用projection = "3d"进行申明) fig = plt.figure() ax = fig.add_subplot(1,1,1,projection = "3d") 

（二）3d图中绘制曲线

1、在3d坐标轴对象下使用plot方法。
2、其余参数同2d图。

# ************* 3d图中绘制曲线 ************* # 在3d坐标轴对象下使用plot方法 import numpy as np fig = plt.figure() ax1 = fig.add_subplot(1,1,1,projection = "3d") x = np.linspace(-10,10,100) y = np.linspace(-10,10,100) z = x**10 + y**3 ax1.plot(x,y,z,label = "3d curve") #  其余参数同2d图 ax1.legend() plt.show() 

（三）3d图中绘制散点图

1、在3d坐标轴对象下使用scatter方法。
2、zdir为指定z轴方向，其余参数同2d绘图。

# ****************** 3d图中绘制散点图 ****************** # 在3d坐标轴对象下使用scatter方法 from mpl_toolkits.mplot3d import Axes3D import  matplotlib.pyplot as plt fig = plt.figure() ax1 = fig.add_subplot(1,1,1,projection = "3d") from sklearn.datasets import make_blobs data = make_blobs(n_samples = 100,n_features = 3,cluster_std = 2) x = data[0][:,0] z = data[0][:,1] y = data[0][:,2] label = data[1] colors = "" for i in range(100): if label[i] == 0:         colors += "r"     elif label[i] == 1:         colors += "g" else:         colors += "b" ax1.scatter(x,y,z,zdir = "z",c = colors) # zdir为指定z轴方向，其余参数同2d绘图 ax1.set_xlabel("x") ax1.set_xlabel("y") ax1.set_xlabel("z") 

（四）3d图中绘制线框图

1、在3d坐标轴对象下使用plot_wireframe方法。
2、Axes3D写作axes3d也可以。
3、X和Y需要是二维数组。
4、rcount:为沿行方向绘制网格的数目，
ccount:为沿列方向绘制网格的数目。

# ****************** 3d图中绘制线框图 ****************** # 在3d坐标轴对象下使用plot_wireframe方法 from mpl_toolkits.mplot3d import axes3d # Axes3D写作axes3d也可以 import matplotlib.pyplot as plt import numpy as np fig = plt.figure(figsize=(16,8)) ax1 = fig.add_subplot(1,1,1,projection = "3d") x = np.linspace(-5,5,1000) y = np.linspace(-5,5,1000) X,Y = np.meshgrid(x,y) # X和Y需要是二维数组 Z = np.sin(np.sqrt(X**2+Y**2)) ax1.plot_wireframe(X,Y,Z,rcount = 15,ccount = 15) # rcount:为沿行方向绘制网格的数目，ccount:为沿列方向绘制网格的数目， plt.show() 

（五）3d图中绘制曲面图

1、在3d坐标轴对象下使用plot_surface方法。
2、rcount:为沿行方向绘制网格的数目
ccount:为沿列方向绘制网格的数目
cmap:设定配色板（可直接调用matplotlib.cm中的配色板，如autumn,autumn_r，coolwarm等等）
color:设定颜色

# ****************** 3d图中绘制曲面图 ****************** # 在3d坐标轴对象下使用plot_surface方法 from mpl_toolkits.mplot3d import axes3d # Axes3D写作axes3d也可以 import matplotlib.pyplot as plt from matplotlib import cm import numpy as np fig = plt.figure(figsize=(16,8)) ax1 = fig.add_subplot(1,1,1,projection = "3d") x = np.linspace(-5,5,1000) y = np.linspace(-5,5,1000) X,Y = np.meshgrid(x,y) # X和Y需要是二维数组 Z = np.sin(np.sqrt(X**2+Y**2))  surf = ax1.plot_surface(X, Y, Z, cmap=cm.autumn) """ 其余参数： rcount:为沿行方向绘制网格的数目 ccount:为沿列方向绘制网格的数目 cmap:设定配色板（可直接调用matplotlib.cm中的配色板，如autumn,autumn_r，coolwarm等等） color:设定颜色  """  fig.colorbar(surf, shrink=0.5, aspect=5) plt.show() 

（六）3d图中绘制三角表面图

1、 在3d坐标轴对象下使用plot_trisurf方法。
2、以绘制莫比乌斯带为列。

# ****************** 3d图中绘制三角表面图 ****************** # 在3d坐标轴对象下使用plot_trisurf方法 from mpl_toolkits.mplot3d import axes3d import matplotlib.pyplot as plt import numpy as np from matplotlib import cm import matplotlib.tri as mtri # 以绘制莫比乌斯带为列  fig = plt.figure() ax1 = fig.add_subplot(1, 1, 1, projection='3d')  x = np.linspace(0, 2*np.pi,100) y = np.linspace(-0.5, 0.5,20) x,y = np.meshgrid(x,y) # 将二维数组准换为一维数组 x = x.flatten() y = y.flatten()  # 通过莫比乌斯映射，把x，y转化为X,Y,Z X = (1 + 0.5 * y * np.cos(x / 2.0)) * np.cos(x) Y = (1 + 0.5 * y * np.cos(x / 2.0)) * np.sin(x) Z = 0.5 * y * np.sin(x / 2.0)  tri = mtri.Triangulation(x, y)  ax1.plot_trisurf(X, Y, Z, triangles=tri.triangles, cmap=cm.coolwarm) ax1.set_zlim(-0.5, 0.5)  plt.show() 

（七）3d图中绘制等高线

1、 在3d坐标轴对象下使用contour方法。
2、绘制填充的等高线，使用contourf方法。
3、zdir:选定投影方向。
offset：选定投影方向的投影位置。

# ****************** 3d图中绘制等高线 ****************** # 在3d坐标轴对象下使用contour方法 # 绘制填充的等高线，使用contourf方法  from mpl_toolkits.mplot3d import axes3d # Axes3D写作axes3d也可以 import matplotlib.pyplot as plt from matplotlib import cm import numpy as np fig = plt.figure(figsize=(16,16))  # contour方法  ax1 = fig.add_subplot(2,1,1,projection = "3d") x = np.linspace(-5,5,1000) y = np.linspace(-5,5,1000) X,Y = np.meshgrid(x,y) # X和Y需要是二维数组 Z = np.sin(np.sqrt(X**2+Y**2))  surf = ax1.plot_surface(X, Y, Z,alpha = 0.3) ax1.contour(X, Y, Z, zdir='z', offset=-1.5, cmap=cm.coolwarm) ax1.contour(X, Y, Z, zdir='x', offset=-7, cmap=cm.coolwarm) ax1.contour(X, Y, Z, zdir='y', offset=7, cmap=cm.coolwarm) """ zdir:选定投影方向 offset：选定投影方向的投影位置  """ ax1.set_xlabel('X') ax1.set_xlim(-7, 7) ax1.set_ylabel('Y') ax1.set_ylim(-7, 7) ax1.set_zlabel('Z') ax1.set_zlim(-1.5, 1.5)  # contourf方法 ax2 = fig.add_subplot(2,1,2,projection = "3d")  surf = ax2.plot_surface(X, Y, Z,alpha = 0.3) ax2.contourf(X, Y, Z, zdir='z', offset=-1.5, cmap=cm.coolwarm) ax2.contourf(X, Y, Z, zdir='x', offset=-7, cmap=cm.coolwarm) ax2.contourf(X, Y, Z, zdir='y', offset=7, cmap=cm.coolwarm) """ zdir:选定投影方向 offset：选定投影方向的投影位置  """ ax2.set_xlabel('X') ax2.set_xlim(-7, 7) ax2.set_ylabel('Y') ax2.set_ylim(-7, 7) ax2.set_zlabel('Z') ax2.set_zlim(-1.5, 1.5)  plt.show() 

contour方法图形（等高线不填充）：

contourf方法图形（等高线填充）：

（八）3d图中绘制条形图

1、 在3d坐标轴对象下使用bar方法。
2、 left:表示条形图的横轴
height：表示条形图的纵轴
zdir：多组条形图的排列方向，即哪个轴
zs：多组条形图在排列方向上的位置

# ****************** 3d图中绘制条形图 ****************** # 在3d坐标轴对象下使用bar方法 from mpl_toolkits.mplot3d import axes3d import matplotlib.pyplot as plt import numpy as np  fig = plt.figure(figsize=(16,16)) ax1 = fig.add_subplot(2,1,1,projection = "3d") np.random.seed(10) for color,z in zip(["r","g","b","k","y"],[0,10,20,30,40]):     x = np.arange(10)     y = np.abs(np.random.randn(10))     ax1.bar(left = x,height = y,zs = z,zdir = "z",color = color) """     left:表示条形图的横轴     height：表示条形图的纵轴     zdir：多组条形图的排列方向，即哪个轴     zs：多组条形图在排列方向上的位置     """ # 由此可知沿y轴排列会较为美观 ax2 = fig.add_subplot(2,1,2,projection = "3d") for color,z in zip(["r","g","b","k","y"],[0,10,20,30,40]):     x = np.arange(10)     y = np.abs(np.random.randn(10))     ax2.bar(left = x,height = y,zs = z,zdir = "y",color = color) """     left:表示条形图的横轴     height：表示条形图的纵轴     zdir：多组条形图的排列方向，即哪个轴     zs：多组条形图在排列方向上的位置     """ ax1.set_xlabel("x",size = 20) ax2.set_xlabel("x",size = 20) ax1.set_ylabel("y",size = 20) ax2.set_ylabel("y",size = 20) ax1.set_zlabel("z",size = 20) ax2.set_zlabel("z",size = 20)  plt.show() 

沿z轴排列图形：

沿y轴排列图形：（更为美观）

by CyrusMay 2020 05 07

你是一种感觉
写在夏夜晚风里面
——————五月天（疯狂世界）——————