Matplotlib系列(五)：三维绘图 |
您所在的位置：网站首页 › 曲面绘制 › Matplotlib系列(五)：三维绘图 |
Matplotlib系列(五)：三维绘图
|
Matplotlib系列目录 文章目录 一、 简介二、 思维导图三、 Matplotlib三维图形1. 绘制3d图形2. 基本三维图像2.1 3d折线图2.2 3d散点图2.3 3d柱形图2.4 3d火柴图2.5 3d误差图 3. 三维曲面3.1 3d网格面3.2 3d曲面3.3 3d非结构化三角网格3.4 3d非结构化网格等值线 4. 3d标量矢量场4.1 3d等高线4.2 3d矢量图 5. 其他5.1 3d文本5.2 图形旋转5.3 三维体元素 参考文章 一、 简介matplotlib现在已经支持很多3D绘图功能了，并且也非常好用。 弥补了早期版本不支持3D绘图的缺憾。 Matplotlib系列将Matplotlib的知识和重点API，编制成思维导图和重点笔记形式，方便记忆和回顾，也方便应用时参考，初学者也可以参考逐步深入学习。 二、 思维导图
方法1：子图设置projection为3d import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = fig.add_subplot(projection='3d')方法2：自行创建Axes3D对象 import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = Axes3D(fig)三维绘图示例 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 # from mpl_toolkits.mplot3d import Axes3D # ax = Axes3D(fig) #创建3d坐标系的第二种方法 theta = np.linspace(-2 * np.pi, 2 * np.pi, 100) x = np.sin(theta) y = np.cos(theta) z = np.linspace(-2, 2, 100) ax3d.plot(x,y,z) #绘制3d螺旋线 plt.show()
在三维坐标系可以用plot函数绘制三维的线条，还可以绘制平面曲线。 ax3d.plot(x,y,z)：绘制三维曲线。 zdir参数绘制平面图 ax3d.plot(x,y,zdir=‘z’)：在z=0的xy平面绘制曲线ax3d.plot(x,y,2,zdir=‘z’)：在z=2的xy平面绘制曲线ax3d.plot(y,z,zdir=‘x’)：在x=0的yz平面绘制曲线。zdir也可以为’y’ax3d.plot(y,z,2,zdir=‘x’)：在x=2的yz平面绘制曲线 其他参数与二维坐标系ax.plot函数一致。注意三维plot不支持fmt参数。ax3d.plot3D()与ax3d.plot完全相同。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 theta = np.linspace(-2 * np.pi, 2 * np.pi, 100) x = np.sin(theta) y = np.cos(theta) z = np.linspace(0.5, 1.5, 100) ax3d.plot(x,y,z) #绘制3d螺旋线 ax3d.plot(x,y,zdir='z') #绘制x,y平面图形 ax3d.plot(x,y,2,zdir='z') #绘制x,y平面图形指定高度z为2 ax3d.plot(y,z,zdir='x') #绘制y,z平面图 ax3d.plot(y,z,-2,zdir='x') #绘制y,z平面图,指定x坐标值为-2 plt.show()
在三维坐标系可以用scatter函数绘制三维的散点图，还可以绘制平面散点图。 ax3d.scatter(x,y,z)：绘制三维散点图。 平面绘制散点图 ax3d.scatter(x,y,zdir=‘z’)：在z=0的xy平面绘制散点图ax3d.scatter(x,y,2,zdir=‘z’)：在z=2的xy平面绘制散点图ax3d.scatter(y,z,zdir=‘x’)：在x=0的yz平面绘制散点图。zdir也可以为’y’ax3d.scatter(y,z,2,zdir=‘x’)：在x=2的yz平面绘制散点图 s,c,marker,ms等参数与二维坐标系参数相同。并且都可以是列表其他参数与二维plot一致。注意三维plot不支持fmt参数。 ax3d.scatter3D()与ax3d.scatter完全相同。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 x = np.random.randn(50) y = np.random.randn(50) z = np.random.randn(50) s = np.random.randn(50)*100 #ax3d.scatter(x,y,z) #绘制3d散点图 #ax3d.scatter(x,y,z,marker=['*','o',...]) #设置不同的点样式 ax3d.scatter(x,y,z,s=s,c=s) #绘制3d散点图 ax3d.scatter(x,y,-3,zdir='z',c='r') #3d坐标系绘制平面散点 plt.show()
在三维坐标系，绘制三尾柱形图。 ax3d.bar3d(x,y,z,dx,dy,dz)：在x,y,z点绘制长、宽、高分别为dx,dy,dz的三维柱形图。 color参数：指定颜色；长度为N的颜色列表为每个柱形指定颜色；长度为6N的颜色列表为每个柱形的六个面(下,上,-Y,+Y,-X,+X)分别制定颜色。ax3d.bar函数可以在三维坐标系里不同平面上绘制一系列二维柱形图。 注意ax3d.bar3d是小写3d，与ax3d.bar功能是不同的。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 np.random.seed(202201) x = np.arange(5) y = np.arange(5) z = np.zeros(5) #柱子底部坐标 dx=1 #柱子平面宽度 dy=1 #柱子平面深度 dz=np.random.randint(1,15,5) #柱子高度 ax3d.bar3d(x,y,z,dx,dy,dz) #绘制3d柱形图 plt.show()
绘制三维坐标的火柴图。 ax3d.stem(x,y,z)：绘制火柴图，在x,y,z坐标处会火柴头，火柴根在x,y平面，z=0坐标ax3d.stem(x,y,z,orientation=‘x’,bottom=0)：绘制火柴图，火柴根在y,z平面，x=0坐标其他参数与二维stem一致。 ax3d.stem3D()与ax3d.stem完全相同。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 np.random.seed(202201) t=np.linspace(-np.pi,np.pi,50) x = np.sin(t) y = np.cos(t) z = np.linspace(-2,2,50) ax3d.stem(x,y,z) #绘制3d火柴图 #ax3d.stem(x,y,z,orientation="x", bottom=-2) #火柴根在yz平面 plt.show()
capsize, ecolor,fmt,elinewidth等参数与二维误差图相同。 注意，没有errorbar3D函数。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 np.random.seed(202201) t=np.linspace(-np.pi,np.pi,50) x = np.sin(t) y = np.cos(t) z = np.linspace(-4,4,50) zerr=np.random.randn(50) #ax3d.errorbar(x,y,z,zerr,capsize=2) #只有z方向误差 #ax3d.errorbar(x,y,z,zerr,0.2,0.1,capsize=2) #同时显示zerr,yerr,xerr，注意是三个误差线 ax3d.errorbar(x,y,z,zerr,capsize=2,errorevery=2) #每两个数据点绘制一个误差线。 plt.show()
绘制三维网格曲面 ax3d.plot_wireframe(x,y,z)：x,y,z均为二维数组，根据数据绘制网格面ax3d.plot_wireframe(x,y,z,rstride=2,cstride=2)：两行/列数据显示为一条线ax3d.plot_wireframe(x,y,z,rcount=10,ccount=12)：设置最大显示线条数edgecolor, facecolor, linewidths, linestyles, capstyle, cmap等参数与二维绘图函数相同 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 x,y=np.mgrid[-2:2:0.2,-2:2:0.2] z = x*np.exp(-x**2-y**2) #ax3d.plot_wireframe(x,y,z) #ax3d.plot_wireframe(x,y,z,rstride=2,cstride=2)# 两条线合并为一条线 ax3d.plot_wireframe(x,y,z,rcount=10,ccount=12)#设置最大显示线条数 plt.show()
绘制三维曲面。默认情况下，它将以纯色的阴影着色，但它也通过提供cmap参数来支持颜色映射。 ax3d.plot_surface(x,y,z)：x,y,z均为二维数组，根据数据绘制曲面rcount,ccount,rstride,cstride参数和plot_wireframe相同。 color,cmap,facecolors,edgecolor, linewidths, linestyles, capstyle等参数与二维绘图函数相同。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 x,y=np.mgrid[-3:3:0.2,-3:3:0.2] z = x*np.exp(-x**2-y**2) #ax3d.plot_surface(x,y,z) #ax3d.plot_surface(x,y,z,rstride=2,cstride=2)# 两条线合并为一条线 #ax3d.plot_surface(x,y,z,rcount=16,ccount=18)#设置最大显示线条数 #ax3d.plot_surface(x,y,z,cmap="YlOrRd") ax3d.plot_surface(x,y,z,cmap="YlOrRd") plt.show()
cmap,facecolors,edgecolor, linewidths, linestyles, capstyle等参数与二维绘图函数相同。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 np.random.seed(202201) x=np.random.randn(200)*2 y=np.random.randn(200)*2 z = x*np.exp(-x**2-y**2) #ax3d.plot_trisurf(x,y,z) ax3d.plot_trisurf(x,y,z,cmap="YlOrRd") plt.show()
ax3d.tricontourf为填充等值线。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 np.random.seed(202201) x=np.random.randn(200)*2 y=np.random.randn(200)*2 z = x*np.exp(-x**2-y**2) #ax3d.tricontour(x,y,z) ax3d.tricontour(x,y,z,levels=10,cmap="coolwarm") #ax3d.tricontour(x,y,z,zdir='x',levels=10,cmap="coolwarm") #绘制x方向等值线 plt.show()
ax3d.contourf(x,y,z)绘制填充等高线，用法与contour相同，填充方式仅仅是在等高线附近显示面，offset投影会比较有用。 ax3d.contour3D()与ax3d.contour完全相同。 ax3d.contourf3D()与ax3d.contourf完全相同。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 x,y=np.mgrid[-3:3:0.2,-3:3:0.2] z=x*np.exp(-x**2-y**2) #ax3d.contour(x,y,z) ax3d.contour(x,y,z,levels=10,cmap="coolwarm") #指定等高线数和颜色 #ax3d.contourf(x,y,z,levels=10,cmap="coolwarm") #填充等高线 #ax3d.contour(x,y,z,zdir='x',levels=10) #x方向等高线 #投影 #ax3d.contour(x,y,z,levels=10,zdir='x',offset=-3) #ax3d.contour(x,y,z,levels=10,zdir='y',offset=3) #ax3d.contour(x,y,z,levels=10,zdir='z',offset=-0.4) plt.show()
x方向等值线 matplotlib的3d矢量图绘制功能略弱。比如不能设置uvw为箭头终点等等。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(projection='3d') #创建3d坐标系 t=np.linspace(-np.pi,np.pi,20) x=np.sin(t) y=np.cos(t) z=np.linspace(-1,1,20) u=np.sin(t+0.1)-x v=np.cos(t+0.1)-y w=0.1 ax3d.quiver(x,y,z,u,v,w) #在每一个x,y,z坐标绘制矢量方向为u,v,w的箭头 plt.show()
显示效果为360度旋转看绘制的图形，即动画。 5.3 三维体元素在指定位置绘制三维体元素（通常为六面体，六面体并非必须标准形状，六个面坐标可以指定）。 ax3d.voxels(filled)：#filled为True的位置绘制六面体ax3d.voxels(filled,facecolors=colors) #filled为True的位置绘制六面体,并设置颜色 facecolors：设置体元素表面颜色。edgecolors：设置体元素表边颜色。注意facecolors和edgecolors颜色列表，颜色个数必须和filled数组一样。filled形状为(m,n,k)则颜色形状为(m,n,k,4)。参数color和cmap貌似都不起作用。颜色参数都不能赋值为浮点数映射colormap。 import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax3d = fig.add_subplot(121,projection='3d') #filled为bool类型数组，在True的元素下标位置绘制体元素 i,j,k=np.indices((3,3,3)) filled= (i==j) & (j==k) #3行3列3层，对角线为True c=plt.get_cmap('RdBu')(np.linspace(0,1,27)).reshape(3,3,3,4) #ax3d.voxels(filled) #filled为True的位置绘制六面体 ax3d.voxels(filled,facecolors=c) #filled为True的位置绘制六面体,并设置颜色 # ax3d = fig.add_subplot(122,projection='3d') #x,y,z=np.indices((3,4,5)) #ax3d.voxels(x,y,z,filled) plt.show()
注意，因为设置了x,y,z坐标位置，所以六面体的尺寸并不相同。实际上还可以更加复杂的绘制多个六面体拼成圆环、球等形状。 参考文章 官方示例官方教程官方APIMatplotlib系列目录 个人总结，部分内容进行了简单的处理和归纳，如有谬误，希望大家指出，持续修订更新中。 修订历史版本见：https://github.com/hustlei/AI_Learning_MindMap 未经允许请勿转载。 |
3d等高线 
等值线投影到指定位置平面
填充等值线，没什么意义，但是投影到x,y,z轴平面会比较好看
【本文地址】