python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Matplotlib 3D图形

Matplotlib绘图基础之3D图形绘制详解

作者:databook

matplotlib 在1.0版本之前其实是不支持3D图形绘制的,后来的版本中,matplotlib加入了3D图形的支持,扩展了其展示数据分布和关系的能力,下面就和大家介绍一下matplotlib中绘制各类3D图形的方法

matplotlib1.0版本之前其实是不支持3D图形绘制的。

后来的版本中,matplotlib加入了3D图形的支持,不仅仅是为了使数据的展示更加生动和有趣。

更重要的是,由于多了一个维度,扩展了其展示数据分布和关系的能力,可以一次从三个维度来比较数据。

下面介绍在matplotlib中绘制各类3D图形的方法。

1. 点和线

点和线类的图形转成3D比较简单,只要加个维度即可。

比如:

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
n = 10
xs = np.linspace(0, 100, n)
ys = np.linspace(100, 200, n)
fig, ax = plt.subplots()
ax.scatter(xs, ys, color="r")
ax.plot(xs, ys)
plt.show()

增加一个维度,改成3D图形:

n = 10
xs = np.linspace(0, 100, n)
ys = np.linspace(100, 200, n)
zs = xs + ys  #增加一个维度,值为x+y的和
fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
ax.scatter(xs, ys, zs, color='r')
ax.plot(xs, ys, zs)
plt.show()

注意,获取子图的时候,subplot_kw={"projection": "3d"} 这个参数很重要,它会把坐标系映射成3维的。

2. 面

绘制面或者曲面的时候稍微复杂一些,不像点和面只要简单的增加一个维度就可以了。

比如,对于曲面函数:z=x∗y3−y∗x3

绘制时,不能像如下这样:

xs = np.arange(-10, 10, 0.5)
ys = np.arange(-10, 10, 0.5)
zs = xs * (ys**3) - ys * (xs**3)

这样得到的xs, ys, zs只是3维中的一个个点的(x, y, z)坐标,无法绘制曲面。

只能像上一节那样绘制3维中的或者线

若要绘制曲面,需要用到numpy提供的meshgrid函数先生成网格。

xs = np.arange(-10, 10, 0.5)
ys = np.arange(-10, 10, 0.5)
xs, ys = np.meshgrid(xs, ys)  #生成网格坐标
zs = xs * (ys**3) - ys * (xs**3)  #计算网格中每个点的Z轴坐标

这样,把坐标传入plot_surface函数,就可以绘制最后的3D曲面了。

fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
ax.plot_surface(xs, ys, zs)
plt.show()

只显示网格的话,可以用 plot_wireframe 函数。

ax.plot_wireframe(xs, ys, zs)

从这个示例可以看出,3D曲面其实是一个个网格拼接而成的,

并没有想象中的平滑,它的平滑程度取决于网格的大小和密度。

3. 立方体

matplotlib中提供了一个绘制立方体的函数voxels,通过这个函数可以很方便的绘制各种立方体形状。

我用voxels绘制了一个简易的金字塔结构:

x, y, z = np.indices((10, 10, 8))
cube1 = (x < 9) & (y < 9) & (z == 1)
cube2 = (x > 0) & (x < 8) & (y > 0) & (y < 8) & (z == 2)
cube3 = (x > 1) & (x < 7) & (y > 1) & (y < 7) & (z == 3)
cube4 = (x > 2) & (x < 6) & (y > 2) & (y < 6) & (z == 4)
cube5 = (x > 3) & (x < 5) & (y > 3) & (y < 5) & (z == 5)
cube = cube1 | cube2 | cube3 | cube4 | cube5
fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
fig.set_size_inches(8, 6)
ax.voxels(cube, color="goldenrod", edgecolor="g")
plt.show()

4. 总结

看了matplotlib的3D绘图功能,尤其是曲面图绘制方面,我觉得它的3D功能不仅仅是给分析图表拓展了一个维度这么简单,而是让它在数学上的表现能力也极大提高了。

配合numpy中的数学函数,3D绘图能够展示很多复杂的几何曲面,让matplotlib的使用范围大大拓展。

到此这篇关于Matplotlib绘图基础之3D图形绘制详解的文章就介绍到这了,更多相关Matplotlib 3D图形内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文