Python Matplotlib 實現3D繪圖詳解

Posted on by

最初開發的 Matplotlib，僅支持繪制 2d 圖形，後來隨著版本的不斷更新， Matplotlib 在二維繪圖的基礎上，構建瞭一部分較為實用的 3D 繪圖程序包，比如 mpl_toolkits.mplot3d，通過調用該程序包一些接口可以繪制 3D散點圖、3D曲面圖、3D線框圖等

mpl_toolkits 是 Matplotlib 的繪圖工具包。

第一個三維繪圖程序

下面編寫第一個三維繪圖程序。

首先創建一個三維繪圖區域， plt.axes() 函數提供瞭一個參數projection，將其參數值設置為 “3d”。如下所示：

#導入三維工具包mplot3d
from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
#創建3d繪圖區域
ax = plt.axes(projection='3d')

有瞭三維繪圖區域，接下來就要構建 3d 圖像，如下所示：

#從三個維度構建
z = np.linspace(0, 1, 100)
x = z * np.sin(20 * z)
y = z * np.cos(20 * z)

最後調用 plot3D() 方法繪制 3d 圖形，代碼如下：

#調用 ax.plot3D創建三維線圖
ax.plot3D(x, y, z, 'gray')
ax.set_title('3D line plot')
plt.show()

完整程序如下所示：

from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
#從三個維度構建
z = np.linspace(0, 1, 100)
x = z * np.sin(20 * z)
y = z * np.cos(20 * z)
#調用 ax.plot3D創建三維線圖
ax.plot3D(x, y, z, 'gray')
ax.set_title('3D line plot')
plt.show()

輸出結果如下所示：

圖1：三維線圖(3D Line)

上述代碼中的 ax.plot3D() 函數可以繪制各種三維圖形，這些三維圖都要根據(x，y，z)三元組類來創建。

3D散點圖

通過 ax.scatter3D() 函數可以繪制 3D 散點圖，示例代碼如下：

from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
#創建繪圖區域
ax = plt.axes(projection='3d')
#構建xyz
z = np.linspace(0, 1, 100)
x = z * np.sin(20 * z)
y = z * np.cos(20 * z)
c = x + y
ax.scatter3D(x, y, z, c=c)
ax.set_title('3d Scatter plot')
plt.show()

輸出結果圖：

圖2：Matplotlib 3D繪圖

3D等高線圖

ax.contour3D() 可以用來創建三維等高線圖，該函數要求輸入數據均采用二維網格式的矩陣坐標。同時，它可以在每個網格點(x,y)處計算出一個 z 值。

以下示例展示瞭如何繪制三維正弦等高線圖。代碼如下：

from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
def f(x, y):
   return np.sin(np.sqrt(x ** 2 + y ** 2))
#構建x、y數據
x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)
#將數據網格化處理
X, Y = np.meshgrid(x, y)
Z = f(X, Y)
fig = plt.figure()
ax = plt.axes(projection='3d')
#50表示在z軸方向等高線的高度層級，binary顏色從白色變成黑色
ax.contour3D(X, Y, Z, 50, cmap='binary')
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
ax.set_title('3D contour')
plt.show()

輸出結果圖如下：

圖3：繪制三維輪廓圖

3D線框圖

線框圖同樣要采用二維網格形式的數據，與繪制等高線圖類似。

線框圖可以將數據投影到指定的三維表面上，並輸出可視化程度較高的三維效果圖。通過 plot_wireframe() 能夠繪制 3D 線框圖。代碼如下：

from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
#要繪制函數圖像
def f(x, y):
   return np.sin(np.sqrt(x ** 2 + y ** 2))
#準備x,y數據
x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)
#生成x、y網格化數據
X, Y = np.meshgrid(x, y)
#準備z值
Z = f(X, Y)
#繪制圖像
fig = plt.figure()
ax = plt.axes(projection='3d')
#調用繪制線框圖的函數plot_wireframe()
ax.plot_wireframe(X, Y, Z, color='black')
ax.set_title('wireframe')
plt.show()

輸出結果如下：

圖4：Matplotlib繪制線框圖

3D曲面圖

曲面圖表示一個指定的因變量y與兩個自變量x和z之間的函數關系。

3D 曲面圖是一個三維圖形，它非常類似於線框圖。不同之處在於，線框圖的每個面都由多邊形填充而成。Matplotlib 提供的 plot_surface() 函數可以繪制 3D 曲面圖，該函數需要接受三個參數值 x，y 和 z 。示例代碼如下：

from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
#求向量積(outer()方法又稱外積)
x = np.outer(np.linspace(-2, 2, 30), np.ones(30))
#矩陣轉置
y = x.copy().T 
#數據z
z = np.cos(x ** 2 + y ** 2)
#繪制曲面圖
fig = plt.figure()
ax = plt.axes(projection='3d')
調用plot_surface()函數
ax.plot_surface(x, y, z,cmap='viridis', edgecolor='none')
ax.set_title('Surface plot')
plt.show()

輸出結果圖：

圖5：Matplotlib繪制曲面圖

以上就是Python Matplotlib 實現3D繪圖詳解的詳細內容，更多關於Python Matplotlib 3D繪圖的資料請關註WalkonNet其它相關文章！

推薦閱讀：