python画3维图,python怎么画三维函数图

  python画3维图,python怎么画三维函数图

  

  Python三维绘图

  当遇到三维数据时,三维图像可以让我们对数据有更深的理解。Python的matplotlib库包含了丰富的3D绘图工具。

  1、创建三维坐标轴对象Axes3D

  创建Axes3D主要有两种方式,一种是使用关键字projection=3dl,另一种是从mpl_toolkits.mplot3d导入对象Axes3D,这两种方式都是为了生成三维格式的对象Axes3D。

  #方法一,使用关键字

  frommatplotlibimportpyplotasplt

  from mpl _ toolkits . mplot3d importaxes 3d

  #定义坐标轴

  图=plt.figure()

  ax1=plt.axes(投影=3d )

  # ax=fig.add _ plot (111,projection= 3D) #这个方法也可以画多个子图。

  #方法2,使用三维轴法

  frommatplotlibimportpyplotasplt

  from mpl _ toolkits . mplot3d importaxes 3d

  #定义图像和3D格式坐标轴

  图=plt.figure()

  ax2=Axes3D(图)2、三维曲线和散点

  然后在定义的坐标轴上绘制:

  importnumpyasnp

  z=np.linspace(0,13,1000)

  x=5*np.sin(z)

  y=5*np.cos(z)

  zd=13*np.random.random(100)

  xd=5*np.sin(zd)

  yd=5*np.cos(zd)

  Ax1。scatter3d (XD,YD,ZD,Cmap= Blues) #绘制散点图

  Ax1.plot3D(x,y,z, gray)#绘制空间曲线

  plt.show()

  3、三维曲面

  接下来,绘制一个三维曲面:

  Figure=plt.figure () #定义一个新的三维坐标轴

  ax3=plt.axes(投影=3d )

  #定义3D数据

  xx=np.arange(-5,5,0.5)

  yy=np.arange(-5,5,0.5)

  x,Y=np.meshgrid(xx,yy)

  Z=np.sin(X) np.cos(Y)

  #绘图

  ax3.plot_surface(X,Y,Z,cmap=rainbow )

  # ax3。Contour (x,y,z,zdim= z ,offset=-2,cmap=rainbow)#等值线图,要设置offset,它是z的最小值。

  plt.show()

  如果你在渲染时增加步长,你会得到更清晰更细腻的图像:

  斧头。plot _ surface (x,y,z,rstride=1,cslide=1,cmap= rainbow ),其中row和cloum_stride是水平和垂直方向的绘图采样步长,绘图越小,绘图越精细。

  4、等高线

  同时,您也可以在不同的面上投影轮廓线:

  frommatplotlibimportpyplotnbsp

  ;asplt

  frommpl_toolkits.mplot3dimportAxes3D

  #定义坐标轴

  fig4=plt.figure()

  ax4=plt.axes(projection='3d')

  #生成三维数据

  xx=np.arange(-5,5,0.1)

  yy=np.arange(-5,5,0.1)

  X,Y=np.meshgrid(xx,yy)

  Z=np.sin(np.sqrt(X**2+Y**2))

  #作图

  ax4.plot_surface(X,Y,Z,alpha=0.3,cmap='winter')#生成表面,alpha用于控制透明度

  ax4.contour(X,Y,Z,zdir='z',offset=-3,cmap="rainbow")#生成z方向投影,投到x-y平面

  ax4.contour(X,Y,Z,zdir='x',offset=-6,cmap="rainbow")#生成x方向投影,投到y-z平面

  ax4.contour(X,Y,Z,zdir='y',offset=6,cmap="rainbow")#生成y方向投影,投到x-z平面

  #ax4.contourf(X,Y,Z,zdir='y',offset=6,cmap="rainbow")#生成y方向投影填充,投到x-z平面,contourf()函数

  #设定显示范围

  ax4.set_xlabel('X')

  ax4.set_xlim(-6,4)#拉开坐标轴范围显示投影

  ax4.set_ylabel('Y')

  ax4.set_ylim(-4,6)

  ax4.set_zlabel('Z')

  ax4.set_zlim(-3,3)

  plt.show()

  5、随机散点图

  可以利用scatter()生成各种不同大小,颜色的散点图,其参数如下:

  

#函数定义

  matplotlib.pyplot.scatter(x,y,

  s=None,#散点的大小arrayscalar

  c=None,#颜色序列array、sequency

  marker=None,#点的样式

  cmap=None,#colormap颜色样式

  norm=None,#归一化归一化的颜色camp

  vmin=None,vmax=None,#对应上面的归一化范围

  alpha=None,#透明度

  linewidths=None,#线宽

  verts=None,#

  edgecolors=None,#边缘颜色

  data=None,

  **kwargs

  )

  #ref:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html

frommatplotlibimportpyplotasplt

  frommpl_toolkits.mplot3dimportAxes3D

  #定义坐标轴

  fig4=plt.figure()

  ax4=plt.axes(projection='3d')

  #生成三维数据

  xx=np.random.random(20)*10-5#取100个随机数,范围在5~5之间

  yy=np.random.random(20)*10-5

  X,Y=np.meshgrid(xx,yy)

  Z=np.sin(np.sqrt(X**2+Y**2))

  #作图

  ax4.scatter(X,Y,Z,alpha=0.3,c=np.random.random(400),s=np.random.randint(10,20,size=(20,40)))

  #生成散点.利用c控制颜色序列,s控制大小

  #设定显示范围

  plt.show()

  众多python培训视频,尽在盛行IT软件开发工作室,欢迎在线学习!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: