python 绘图库Matplotlib,python matplotlib画三维图
Matplotlib是python最著名的绘图库。它提供了一整套类似于matlab的命令API,非常适合交互式绘图。下面文章主要介绍Python利用matplotlib模块数据可视化实现三维绘图的相关信息。有需要的可以参考一下。
00-1010前言1 matplotlib绘制3D图形2绘制3D图2.1源代码2.2效果图3绘制散点图3.1源代码3.2效果图4绘制多边形4.1源代码4.2效果图5三个方向有等高线的3D图5.1源代码5.2效果图6三维直方图6.1源代码6.2效果图7补充图7.1源代码7.2效果图汇总
目录
Matplotlib实际上是一套面向对象的绘图库。它绘制的图表中的每一个绘图元素,比如line Line2D、Text text、scale等。在内存中有一个与之对应的对象。
为了快速方便的绘图,matplotlib通过pyplot模块提供了一套类似于MATLAB的绘图API,将众多绘图对象组成的复杂结构隐藏在这个API中。我们只需要调用pyplot模块提供的函数就可以实现快速绘图,设置图表的各种细节。Pyplot模块使用简单,但不适合较大的应用程序。
为了将面向对象的图形库封装成一个只使用函数的调用接口,pyplot模块存储了当前图表和当前子图表。的当前图表和子图可以通过使用plt.gcf()和plt.gca()来获得,它们分别表示“获取当前图形”和“获取当前轴”。在pyplot模块中,许多函数处理当前图形或轴对象,例如:
Plt.plot()会通过plt.gca()实际获取当前Axes对象ax,然后调用ax.plot()方法实现真正的绘制。
可以输入类似plt.plot?在Ipython。命令查看pyplot模块的函数如何包装各种图形对象。
前言
Matplotlib可以画3D图形。有些版本没有这个模块,可以进入python环境。输入frommpl _ toolkits.mplot 3D导入要测试的轴3D。如果导入成功,您可以。否则需要安装其他版本的matplotlib。这里,我用的是2.0.2版本。
1 matplotlib绘制3D图形
2 绘制3D画面图
将numpy作为np导入
将matplotlib.pyplot作为plt导入
从mpl_toolkits.mplot3d导入Axes3D
图=plt.figure()
#创建3d图形的两种方法
# ax=Axes3D(图)
ax=fig.add_subplot(111,projection=3d )
# X,Y值
X=np.arange(-4,4,0.25)
Y=np.arange(-4,4,0.25)
x,y=NP。网格(X,Y)# X-Y平面的网格
R=np.sqrt(X ** 2 Y ** 2)
#高度值
Z=np.sin(R)
rstride:行之间的跨度csride:列之间的跨度
# rcount:设置间隔数,默认为50。ccount:列中的间隔数不能与上述两个参数同时出现。
#vmax和vmin颜色的最大值和最小值
ax.plot_surface(X,
Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap(rainbow))
# zdir : z x y 表示把等高线图投射到哪个面
# offset : 表示等高线图投射到指定页面的某个刻度
ax.contourf(X,Y,Z,zdir=z,offset=-2)
# 设置图像z轴的显示范围,x、y轴设置方式相同
ax.set_zlim(-2,2)
plt.show()
2.2 效果图
3 绘制散点图
3.1 源码
import numpy as npimport matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
x = np.arange(0, 200)
y = np.arange(0, 100)
x, y = np.meshgrid(x, y)
z = np.random.randint(0, 200, size=(100, 200))
y3 = np.arctan2(x,y)
ax.scatter(x, y, z, c=y3, marker=., s=50, label=)
plt.show()
3.2 效果图
4 绘制多边形
4.1 源码
from mpl_toolkits.mplot3d import Axes3Dfrom mpl_toolkits.mplot3d.art3d import Poly3DCollection,Line3DCollection
fig = plt.figure()
ax = fig.gca(projection=3d)
# 正文体顶点和面
verts = [(0, 0, 0), (0, 1, 0), (1, 1, 0), (1, 0, 0), (0, 0, 1), (0, 1, 1), (1, 1, 1), (1, 0, 1)]
faces = [[0, 1, 2, 3], [4, 5, 6, 7], [0, 1, 5, 4], [1, 2, 6, 5], [2, 3, 7, 6], [0, 3, 7, 4]]
# 四面体顶点和面
# verts = [(0, 0, 0), (1, 0, 0), (1, 1, 0), (1, 0, 1)]
# faces = [[0, 1, 2], [0, 1, 3], [0, 2, 3], [1, 2, 3]]
# 获得每个面的顶点
poly3d = [[verts[vert_id] for vert_id in face] for face in faces]
# print(poly3d)
# 绘制顶点
x, y, z = zip(*verts)
ax.scatter(x, y, z)
# 绘制多边形面
ax.add_collection3d(Poly3DCollection(poly3d, facecolors=w, linewidths=1, alpha=0.3))
# 绘制对变形的边
ax.add_collection3d(Line3DCollection(poly3d, colors=k, linewidths=0.5, linestyles=:))
# 设置图形坐标范围
ax.set_xlabel(X)
ax.set_xlim3d(-0.5, 1.5)
ax.set_ylabel(Y)
ax.set_ylim3d(-0.5, 1.5)
ax.set_zlabel(Z)
ax.set_zlim3d(-0.5, 1.5)
plt.show()
4.2 效果图
5 三个方向有等高线的3D图
5.1 源码
from mpl_toolkits.mplot3d import Axes3Dfrom matplotlib import cm
from mpl_toolkits.mplot3d import axes3d
fig = plt.figure()
ax = fig.gca(projection=3d)
X, Y, Z = axes3d.get_test_data(0.05)
ax.plot_surface(X, Y, Z, rstride=8, cstride=8, alpha=0.5,color=b)
cset = ax.contour(X, Y, Z, zdir=z, offset=-100, cmap=cm.coolwarm)
cset = ax.contour(X, Y, Z, zdir=x, offset=-40, cmap=cm.coolwarm)
cset = ax.contour(X, Y, Z, zdir=y, offset=40, cmap=cm.coolwarm)
ax.set_xlabel(X)
ax.set_xlim(-40, 40)
ax.set_ylabel(Y)
ax.set_ylim(-40, 40)
ax.set_zlabel(Z)
ax.set_zlim(-100, 100)
plt.show()
5.2 效果图
6 三维柱状图
6.1 源码
import randomimport matplotlib as mpl
import matplotlib.dates as mdates
from mpl_toolkits.mplot3d import Axes3D
mpl.rcParams[font.size] = 10
fig = plt.figure()
ax = fig.add_subplot(111, projection=3d)
for z in [2011, 2012, 2013, 2014]:
xs = range(1,13)
ys = 1000 * np.random.rand(12)
color = plt.cm.Set2(random.choice(range(plt.cm.Set2.N)))
ax.bar(xs, ys, zs=z, zdir=y, color=color, alpha=0.8)
ax.xaxis.set_major_locator(mpl.ticker.FixedLocator(xs))
ax.yaxis.set_major_locator(mpl.ticker.FixedLocator(ys))
ax.set_xlabel(Month)
ax.set_ylabel(Year)
ax.set_zlabel(Sales Net [usd])
plt.show()
6.2 效果图
7 补充图
7.1 源码
import numpy as npimport matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
n_angles = 36
n_radii = 8
# An array of radii
# Does not include radius r=0, this is to eliminate duplicate points
radii = np.linspace(0.125, 1.0, n_radii)
# An array of angles
angles = np.linspace(0, 2 * np.pi, n_angles, endpoint=False)
# Repeat all angles for each radius
angles = np.repeat(angles[..., np.newaxis], n_radii, axis=1)
# Convert polar (radii, angles) coords to cartesian (x, y) coords
# (0, 0) is added here. There are no duplicate points in the (x, y) plane
x = np.append(0, (radii * np.cos(angles)).flatten())
y = np.append(0, (radii * np.sin(angles)).flatten())
# Pringle surface
z = np.sin(-x * y)
fig = plt.figure()
ax = fig.gca(projection=3d)
ax.plot_trisurf(x, y, z, cmap=cm.jet, linewidth=0.2)
plt.show()
7.2 效果图
说明:内容太多,这里都是做了源码和效果图展示,记得在使用中导入import matplotlib.pyplot as plt,否则会报错;对于import numpy as np模块根据实际情况导入,如果没有使用该模块构造数据的,可以不导入。
总结
到此这篇关于Python利用matplotlib模块数据可视化绘制3D图的文章就介绍到这了,更多相关matplotlib模块数据可视化3D图内容请搜索盛行IT软件开发工作室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盛行IT软件开发工作室!
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。