Matplotlib 也可以繪制 3D 圖像，與二維圖像不同的是，繪制三維圖像主要通過 mplot3d 模塊實現。但是，使用 Matplotlib 繪制三維圖像實際上是在二維畫布上展示，所以一般繪制三維圖像時，同樣需要載入 pyplot 模塊。
mplot3d 模塊下主要包含 4 個大類，分別是：
其中，axes3d() 下面主要包含了各種實現繪圖的類和方法。axis3d() 主要是包含了和坐標軸相關的類和方法。art3d() 包含了一些可將 2D 圖像轉換并用于 3D 繪制的類和方法。proj3d() 中包含一些零碎的類和方法，例如計算三維向量長度等。
一般情況下，我們用到最多的就是 mpl_toolkits.mplot3d.axes3d() 中的mpl_toolkits.mplot3d.axes3d.Axes3D() 類，而 Axes3D() 下面又存在繪制不同類型 3D 圖的方法。你可以通過下面的方式導入 Axes3D()。
from mpl_toolkits.mplot3d.axes3d import Axes3D或from mpl_toolkits.mplot3d import Axes3D
三維散點圖
首先，我們導入 numpy 隨機生成一組數據。
import numpy as np# x, y, z 均為 0 到 1 之間的 100 個隨機數x = np.random.normal(0, 1, 100)y = np.random.normal(0, 1, 100)z = np.random.normal(0, 1, 100)
接下來，開始繪圖。第一步是載入 2D, 3D 繪圖模塊。
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as plt
第二步，使用 Axes3D() 創建 3D 圖形對象。
fig = plt.figure()ax = Axes3D(fig)
最后，調用散點圖繪制方法繪圖并顯示出來。
ax.scatter(x, y, z)plt.show()
三維線型圖
線形圖和散點圖相似，需要傳入 x, y, z 三個坐標的數值。詳細的代碼如下。
# 載入模塊from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport numpy as np# 生成數據x = np.linspace(-6 * np.pi, 6 * np.pi, 1000)y = np.sin(x)z = np.cos(x)# 創建 3D 圖形對象fig = plt.figure()ax = Axes3D(fig)# 繪制線型圖ax.plot(x, y, z)# 顯示圖plt.show()
三維柱狀圖
繪制完線型圖，我們繼續嘗試繪制三維柱狀圖，其實它的繪制步驟和上面同樣非常相似。
# 載入模塊from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport numpy as np# 創建 3D 圖形對象fig = plt.figure()ax = Axes3D(fig)# 生成數據并繪圖x = [0, 1, 2, 3, 4, 5, 6]for i in x: y = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] z = abs(np.random.normal(1, 10, 10)) ax.bar(y, z, i, zdir='y', color=['r', 'g', 'b', 'y'])plt.show()
三維圖曲面圖
接下來需要繪制的三維曲面圖要麻煩一些，我們需要對數據進行矩陣處理。其實和畫二維等高線圖很相似，只是多增加了一個維度。
# 載入模塊import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D# 創建 3D 圖形對象fig = plt.figure()ax = Axes3D(fig)# 生成數據X = np.arange(-2, 2, 0.1)Y = np.arange(-2, 2, 0.1)X, Y = np.meshgrid(X, Y)Z = np.sqrt(X ** 2 + Y ** 2)# 繪制曲面圖，并使用 cmap 著色ax.plot_surface(X, Y, Z, cmap=plt.cm.winter)plt.show()
cmap=plt.cm.winter 表示采用了 winter 配色方案，也就是下圖的漸變色。
混合圖繪制
混合圖就是將兩種不同類型的圖繪制在一張圖里。繪制混合圖一般有前提條件，那就是兩種不同類型圖的范圍大致相同，否則將會出現嚴重的比例不協調，而使得混合圖失去意義。
# -*- coding: utf-8 -*# 載入模塊from mpl_toolkits.mplot3d import Axes3Dimport numpy as npimport matplotlib.pyplot as plt# 創建 3D 圖形對象fig = plt.figure()ax = Axes3D(fig)# 生成數據并繪制圖 1x1 = np.linspace(-3 * np.pi, 3 * np.pi, 500)y1 = np.sin(x1)ax.plot(x1, y1, zs=0, c='red')# 生成數據并繪制圖 2x2 = np.random.normal(0, 1, 100)y2 = np.random.normal(0, 1, 100)z2 = np.random.normal(0, 1, 100)ax.scatter(x2, y2, z2)# 顯示圖plt.show()
子圖繪制
# -*- coding: utf-8 -*# 載入模塊from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltimport numpy as np# 創建 1 張畫布fig = plt.figure()#===============# 向畫布添加子圖 1 ax1 = fig.add_subplot(1, 2, 1, projection='3d')# 生成子圖 1 數據x = np.linspace(-6 * np.pi, 6 * np.pi, 1000)y = np.sin(x)z = np.cos(x)# 繪制第 1 張圖ax1.plot(x, y, z)#===============# 向畫布添加子圖 2ax2 = fig.add_subplot(1, 2, 2, projection='3d')# 生成子圖 2 數據X = np.arange(-2, 2, 0.1)Y = np.arange(-2, 2, 0.1)X, Y = np.meshgrid(X, Y)Z = np.sqrt(X ** 2 + Y ** 2)# 繪制第 2 張圖ax2.plot_surface(X, Y, Z, cmap=plt.cm.winter)# 顯示圖plt.show()
我們可以來看一下這些代碼。由于兩張子圖是繪制在 1 張畫布上面的，所以這里需要提前創建 1 張畫布。然后通過.add_subplot()添加子圖，子圖序號和二維繪圖相似，只是注意 3D 繪圖時要添加projection='3d'參數。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
