精华内容
下载资源
问答
  • matplotlib画三维

    2021-11-14 20:46:05
    matplotlib画三维图 要画三维图需要先导入from mpl_toolkits import mplot3d。导入这个子模块后,就可以在创建任意一个普通坐标轴的过程中添加projection='3d'参数,从而创建一个三维坐标轴。三维图的优点是在...

    matplotlib画三维图

    要画三维图需要先导入from mpl_toolkits import mplot3d。导入这个子模块后,就可以在创建任意一个普通坐标轴的过程中添加projection='3d'参数,从而创建一个三维坐标轴。三维图的优点是在notebook中可以交互浏览。

     
    
    from mpl_toolkits import mplot3d
    import matplotlib.pyplot as plt
    
    fig = plt.figure()
    ax = plt.axes(projection='3d')
    plt.show()

    最基本的三维图是由(x,y,z)三维坐标点构成的线图与散点图。与之前普通二维图类似,可以用ax.plot3Dax.scatter3D函数来创建。不仅创建方式类似,三维图函数的参数也和二维图函数的参数基本相同。

    下面来画一个三角螺旋线并在线上随机分布一些散点:

     
    
    from mpl_toolkits import mplot3d
    import matplotlib.pyplot as plt
    import numpy as np
    
    ax = plt.axes(projection='3d')
    
    # 三维线的数据
    zline = np.linspace(0, 15, 1000)
    xline = np.sin(zline)
    yline = np.cos(zline)
    ax.plot3D(xline, yline, zline, 'gray')
    
    # 三维散点的数据
    zdata = 15 * np.random.random(100)
    xdata = np.sin(zdata) + 0.1 * np.random.randn(100)
    ydata = np.cos(zdata) + 0.1 * np.random.randn(100)
    ax.scatter3D(xdata, ydata, zdata, c=zdata, cmap='Greens');
    
    plt.show()

    与二维ax.contour图形一样,ax.contour3D要求所有数据都是二维网格数据的形式,并且由函数计算z轴数值。

    下面用三维正弦函数画三维等高线图:

    def f(x, y):
    return np.sin(np.sqrt(x ** 2 + y ** 2))
    
    x = np.linspace(-6, 6, 30)
    y = np.linspace(-6, 6, 30)
    X, Y = np.meshgrid(x, y)
    Z = f(X, Y)
    
    fig = plt.figure()
    ax = plt.axes(projection='3d')
    ax.contour3D(X, Y, Z, 50, cmap='binary')
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    ax.set_zlabel('z');
    
    plt.show()

    默认的初始显示角度有时不是最优的,matplotlib提供了view_init可以调整观察角度与方位角。下面我们把俯仰角调整为60度(x-y平面的旋转角度),方位角调整为35度(绕z轴顺时针旋转35度)。

     
    
    ax.view_init(60,35)
    plt.show()

    其实,也可以在matplotlib的交互式后端界面直接通过点击、拖拽图形,实现同样的交互旋转效果。

    线框图和曲面图

    接下来我们将学习线框图和曲面图。它们都是将网格数据映射成三维曲面,得到的三维形状非常容易可视化:

    
    def f(x, y):
    return np.sin(np.sqrt(x ** 2 + y ** 2))
    x = np.linspace(-6, 6, 30)
    y = np.linspace(-6, 6, 30)
    X, Y = np.meshgrid(x, y)
    Z = f(X, Y)
    fig = plt.figure()
    
    #绘制线框图
    ax = plt.axes(projection='3d')
    ax.plot_wireframe(X, Y, Z, color='black')
    plt.show()

    曲面图和线框图类似,只不过线框图的每个面都是由多边形构成的。需要注意的是,画曲面图需要二维数据,但可以不是直角坐标系。

     
    
    #绘制曲面图
    ax = plt.axes(projection='3d')
    ax.plot_surface(X, Y, Z, rstride=1, cstride=1,
    cmap='viridis', edgecolor='none')
    plt.show()

    下面创建一个局部的极坐标网络,当我们把它画成surface3D图形时,可以获得一种使用了切片的可视化效果:

     
    
    def f(x, y):
    return np.sin(np.sqrt(x ** 2 + y ** 2))
    
    r = np.linspace(0, 6, 20)
    theta = np.linspace(-0.9 * np.pi, 0.8 * np.pi, 40)
    r, theta = np.meshgrid(r, theta)
    
    X = r * np.sin(theta)
    Y = r * np.cos(theta)
    Z = f(X, Y)
    ax = plt.axes(projection='3d')
    ax.plot_surface(X, Y, Z, rstride=1, cstride=1,
    cmap='viridis', edgecolor='none')
    plt.show()

    曲面三角剖分

    在某些应用的场景中,之前那些些要求均匀采样的网格数据显得太过严格且不太容易实现。这时就可以使用三角剖分图形了。

    def f(x, y):
      return np.sin(np.sqrt(x ** 2 + y ** 2))
    theta = 2 * np.pi * np.random.random(1000)
    r = 6 * np.random.random(1000)
    x = np.ravel(r * np.sin(theta))
    y = np.ravel(r * np.cos(theta))
    z = f(x, y)
    ax = plt.axes(projection='3d')
    
    ax.scatter(x, y, z, c=z, cmap='viridis', linewidth=0.5)
    plt.show()

    可以看到图形中还有许多地方需要修补,这些工作可以由ax.plot_trisurf函数完成。它首先找到一组所有点都连接起来的三角形,然后用这些三角形创建曲面。

    ax = plt.axes(projection='3d')
    ax.plot_trisurf(x, y, z,cmap='viridis', edgecolor='none');

    虽然结果没有之前用均匀网格画的图完美,但是这种三角剖分方法很灵活,可以创建各种有趣的三维图。

    莫比乌斯带

    莫比乌斯带是把一根纸条扭转 180 度后,再把两头粘起来做成的纸带圈。从拓扑学的角度看,莫比乌斯带非常神奇,因为它总共只有一个面!

    接下来让我们用matplotlib的三维功能来画一条莫比乌斯带。绘制的关键是想出它的绘图参数:由于它是一条二维带,因此需要两个内在维度。让我们把一维度定义为θ,取值范围为0~2 π;另一个维度是w,取值范围是-1~1,表示莫比乌斯带的宽度:

     
    
    theta = np.linspace(0, 2 * np.pi, 30)
    w = np.linspace(-0.25, 0.25, 8)
    w, theta = np.meshgrid(w, theta)

    有了参数之后,我们必须确定带上每个点的直角坐标 ( xyz )。 仔细思考一下,我们可能会找到两种旋转关系:一种是圆圈绕着圆心旋转(角度用 θ 定义),另一种是莫比乌斯带在自己的坐标轴上旋转(角度用 Φ 定义)。因此,对于一条莫比乌斯带,我们必然会有环的一半扭转 180 度,即 Δ Φ = Δ θ / 2

    phi = 0.5 * theta

    现在用我们的三角学知识将极坐标转换成三维直角坐标。定义每个点到中心的距离(半径)r,那么直角坐标 (zyz ) 就是:

    r = 1 + w * np.cos(phi)
    x = np.ravel(r * np.cos(theta))
    y = np.ravel(r * np.sin(theta))
    z = np.ravel(w * np.sin(phi))

    最后,要画出莫比乌斯带,还必须确保三角剖分是正确的。最好的实现方法就是首先用基本参数化方法定义三角剖分,然后用Matplotlib将这个三角剖分映射到莫比乌斯带的三维空间里,这样就可以画出图形:

    from matplotlib.tri import Triangulation
    tri = Triangulation(np.ravel(w), np.ravel(theta))
    ax = plt.axes(projection='3d')
    ax.plot_trisurf(x, y, z, triangles=tri.triangles,
    cmap='viridis', linewidths=0.2);
    ax.set_xlim(-1, 1); ax.set_ylim(-1, 1); ax.set_zlim(-1, 1);

    展开全文
  • 主要介绍了Python使用matplotlib绘制三维图形,结合实例形式分析了Python基于matplotlib库绘制三维图形的相关操作技巧与注意事项,需要的朋友可以参考下
  • Matplotlib画三维图 最基本的三维图是由(x, y, z)三维坐标点构成的线图与散点图,可以用ax.plot3D和ax.scatter3D函数来创建,默认情况下,散点会自动改变透明度,以在平面上呈现出立体感 三维的线图和散点图...

    更多编程教程请到:菜鸟教程 https://www.piaodoo.com/

    友情链接:好看站 http://www.nrso.net/

    用Matplotlib画三维图

    最基本的三维图是由(x, y, z)三维坐标点构成的线图与散点图,可以用ax.plot3D和ax.scatter3D函数来创建,默认情况下,散点会自动改变透明度,以在平面上呈现出立体感

    三维的线图和散点图

    #绘制三角螺旋线
    from mpl_toolkits import mplot3d
    %matplotlib inline
    import matplotlib.pyplot as plt
    import numpy as np
    

    ax = plt.axes(projection=‘3d’)

    #三维线的数据
    zline = np.linspace(0, 15, 1000)
    xline = np.sin(zline)
    yline = np.cos(zline)
    ax.plot3D(xline, yline, zline, ‘gray’)

    三维散点的数据

    zdata = 15 * np.random.random(100)
    xdata = np.sin(zdata) + 0.1 * np.random.randn(100)
    ydata = np.cos(zdata) + 0.1 * np.random.randn(100)
    ax.scatter3D(xdata, ydata, zdata, c=zdata, cmap=‘Greens’)

    三维等高线图

    def f(x, y):
     return np.sin(np.sqrt(x ** 2 + y ** 2))
    x = np.linspace(-6,6,30)
    y = np.linspace(-6,6,30)
    X, Y = np.meshgrid(x, y)
    Z = f(X,Y)
    

    fig = plt.figure()
    ax = plt.axes(projection=‘3d’)
    ax.contour3D(X, Y, Z, 50, cmap=‘binary’)
    ax.set_xlabel(‘x’)
    ax.set_ylabel(‘y’)
    ax.set_zlabel(‘z’)
    #调整观察角度和方位角。这里将俯仰角设为60度,把方位角调整为35度
    ax.view_init(60, 35)

    线框图和全面图

    全面图和线框图相似,只不过线框图的每一个面都是由多边形构成。只要增加唉一个配色方案来填充这些多边形,就可以感受到可视化图形表面的拓扑结构了。

    #线框图
    fig =plt.figure()
    ax = plt.axes(projection='3d')
    ax.plot_wireframe(X, Y, Z, color='c')
    ax.set_title('wireframe')

    #曲面图
    ax = plt.axes(projection='3d')
    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')
    ax.set_title('surface')

    #使用极坐标可以获得切片的效果
    r = np.linspace(0, 6, 20)
    theta = np.linspace(-0.9 * np.pi, 0.8 * np.pi, 40)
    r, theta = np.meshgrid(r, theta)
    X = r * np.sin(theta)
    Y = r * np.cos(theta)
    Z = f(X, Y)
    ax = plt.axes(projection='3d')
    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')

    曲面三角剖分

    在某些应用场景下,上述这些要求均匀采样的网格数据显得太过严格且不太容易实现。这时就可以使用三角剖分部分图形。

    theta = 2 * np.pi * np.random.random(1000)
    r = 6 * np.random.random(1000)
    x = np.ravel(r * np.sin(theta))
    y = np.ravel(r * np.cos(theta))
    z = f(x, y)
    

    ax = plt.axes(projection=‘3d’)
    ax.scatter(x, y, z, c=z, cmap=‘viridis’, linewidth=0.5)

    #上图还有许多地方需要修补,这些工作可以由ax.plot_trisurf函数帮助我们完成。它首先找到一组所有点都连接起来的三角形,然后用这些三角形创建曲面
    ax = plt.axes(projection='3d')
    ax.plot_trisurf(x, y, z, cmap='viridis', edgecolor='none')

    莫比乌斯带(应用曲面三角剖分)

    #绘制莫比乌斯带
    #由于它是一条二维带,因此需要两个内在维度。theta维度取值范围是0~2pi,宽度维度w取值范围是-1~1
    theta = np.linspace(0, 2 * np.pi, 30)
    w = np.linspace(-0.25, 0.25, 8)
    w, theta = np.meshgrid(w, theta)
    phi = 0.5 * theta
    #x-y平面内的半径
    r = 1 + w * np.cos(phi)
    

    x = np.ravel(r * np.cos(theta))
    y = np.ravel(r * np.sin(theta))
    z = np.ravel(w * np.sin(phi))

    #要画出莫比乌斯带,还必须保证三角部分是正确的。最好的方法是首先用基本参数化方法定义三角部分,然后用Matplotlib将
    #这个三角剖分映射到莫比乌斯带的三维空间里
    from matplotlib.tri import Triangulation
    tri = Triangulation(np.ravel(w), np.ravel(theta))
    ax = plt.axes(projection=‘3d’)
    ax.plot_trisurf(x, y, z, triangles=tri.triangles, cmap=‘viridis’, linewidth=0.2)
    ax.set_xlim(-1, 1);ax.set_ylim(-1,1);ax.set_zlim(-1,1)

    到此这篇关于如何用Matplotlib 画三维图的示例代码的文章就介绍到这了,更多相关Matplotlib 三维图内容请搜索菜鸟教程www.piaodoo.com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菜鸟教程www.piaodoo.com!

    展开全文
  • 这个UP写的很好! 需要修补,由 ax.plot_trisurf 函数完成。...import matplotlib.pyplot as plt from matplotlib import cm import numpy as np from sys import argv #x,y,z = np.loadtxt('your_file', unpack=True)

    这个UP写的很好!

    需要修补,由 ax.plot_trisurf 函数完成。
    首先找到一组所有点都连接起来的三角形,然后用这些三角形创建曲面
    在这里插入图片描述

    from mpl_toolkits.mplot3d import Axes3D
    import matplotlib.pyplot as plt
    from matplotlib import cm
    import numpy as np
    from sys import argv
    
    #x,y,z = np.loadtxt('your_file', unpack=True)
    x = np.random.rand(500)*10
    y = np.random.rand(500)*10
    z = np.random.rand(500)*10
    fig = plt.figure()
    ax = Axes3D(fig)
    surf = ax.plot_trisurf(x, y, z, cmap=cm.rainbow, linewidth=0.1)
    fig.colorbar(surf, shrink=0.5, aspect=5)
    plt.savefig('teste.png',dpi=300)
    plt.show()
    

    在这里插入图片描述

    import matplotlib.pyplot as plt
    import numpy as np
    
    from matplotlib import cm
    from matplotlib.ticker import LinearLocator,FormatStrFormatter
    from mpl_toolkits.mplot3d import Axes3D
    
    fig = plt.figure()
    ax = fig.add_subplot(1,1,1,projection="3d")
    
    x = np.arange(-5, 5, 0.25)
    y = np.arange(-5, 5, 0.25)
    x, y = np.meshgrid(x, y)
    R = np.sqrt(x**2 + y**2)
    z = np.sin(R)
    # x = np.arange(-3,3,0.25)
    # y = np.arange(-3,3,0.25)
    # x,y = np.meshgrid(x,y)
    # r = np.sqrt(np.power(x,2)+np.power(y,2))
    # z = np.sin(r)
    
    # plot 3d surface
    surf = ax.plot_surface(x,y,z,
                           rstride=1,
                           cstride=1,
                           cmap=cm.coolwarm,
                           linewidth=0,
                           antialiased=False)
    
    # customize the z axis
    ax.set(zlim=(-1,1))
    ax.zaxis.set_major_locator(LinearLocator(7))
    ax.zaxis.set_major_formatter(FormatStrFormatter("%3.2f"))
    
    # add a color bar mapping values to colors
    fig.colorbar(surf,shrink=0.6,aspect=10)
    ax.xaxis.set_pane_color((1.0, 1.0, 1.0, 0.0))
    ax.yaxis.set_pane_color((1.0, 1.0, 1.0, 0.0))
    ax.zaxis.set_pane_color((1.0, 1.0, 1.0, 0.0))
    ax.grid(linewidth=20,color=None)
    plt.savefig('3D_surf.png',dpi=300)
    plt.show()
    
    
    展开全文
  • Matplotlib画三维图最基本的三维图是由(x, y, z)三维坐标点构成的线图与散点图,可以用ax.plot3D和ax.scatter3D函数来创建,默认情况下,散点会自动改变透明度,以在平面上呈现出立体感三维的线图和散点图#绘制...

    用Matplotlib画三维图

    最基本的三维图是由(x, y, z)三维坐标点构成的线图与散点图,可以用ax.plot3D和ax.scatter3D函数来创建,默认情况下,散点会自动改变透明度,以在平面上呈现出立体感

    三维的线图和散点图

    #绘制三角螺旋线

    from mpl_toolkits import mplot3d

    %matplotlib inline

    import matplotlib.pyplot as plt

    import numpy as np

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

    #三维线的数据

    zline = np.linspace(0, 15, 1000)

    xline = np.sin(zline)

    yline = np.cos(zline)

    ax.plot3D(xline, yline, zline, 'gray')

    # 三维散点的数据

    zdata = 15 * np.random.random(100)

    xdata = np.sin(zdata) + 0.1 * np.random.randn(100)

    ydata = np.cos(zdata) + 0.1 * np.random.randn(100)

    ax.scatter3D(xdata, ydata, zdata, c=zdata, cmap='Greens')

    2020072809451616.png

    三维等高线图

    def f(x, y):

    return np.sin(np.sqrt(x ** 2 + y ** 2))

    x = np.linspace(-6,6,30)

    y = np.linspace(-6,6,30)

    X, Y = np.meshgrid(x, y)

    Z = f(X,Y)

    fig = plt.figure()

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

    ax.contour3D(X, Y, Z, 50, cmap='binary')

    ax.set_xlabel('x')

    ax.set_ylabel('y')

    ax.set_zlabel('z')

    #调整观察角度和方位角。这里将俯仰角设为60度,把方位角调整为35度

    ax.view_init(60, 35)

    2020072809451617.png

    线框图和全面图

    全面图和线框图相似,只不过线框图的每一个面都是由多边形构成。只要增加唉一个配色方案来填充这些多边形,就可以感受到可视化图形表面的拓扑结构了。

    #线框图

    fig =plt.figure()

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

    ax.plot_wireframe(X, Y, Z, color='c')

    ax.set_title('wireframe')

    2020072809451618.png

    #曲面图

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

    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')

    ax.set_title('surface')

    2020072809451619.png

    #使用极坐标可以获得切片的效果

    r = np.linspace(0, 6, 20)

    theta = np.linspace(-0.9 * np.pi, 0.8 * np.pi, 40)

    r, theta = np.meshgrid(r, theta)

    X = r * np.sin(theta)

    Y = r * np.cos(theta)

    Z = f(X, Y)

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

    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')

    2020072809451620.png

    曲面三角剖分

    在某些应用场景下,上述这些要求均匀采样的网格数据显得太过严格且不太容易实现。这时就可以使用三角剖分部分图形。

    theta = 2 * np.pi * np.random.random(1000)

    r = 6 * np.random.random(1000)

    x = np.ravel(r * np.sin(theta))

    y = np.ravel(r * np.cos(theta))

    z = f(x, y)

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

    ax.scatter(x, y, z, c=z, cmap='viridis', linewidth=0.5)

    2020072809451621.png

    #上图还有许多地方需要修补,这些工作可以由ax.plot_trisurf函数帮助我们完成。它首先找到一组所有点都连接起来的三角形,然后用这些三角形创建曲面

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

    ax.plot_trisurf(x, y, z, cmap='viridis', edgecolor='none')

    2020072809451622.png

    莫比乌斯带(应用曲面三角剖分)

    #绘制莫比乌斯带

    #由于它是一条二维带,因此需要两个内在维度。theta维度取值范围是0~2pi,宽度维度w取值范围是-1~1

    theta = np.linspace(0, 2 * np.pi, 30)

    w = np.linspace(-0.25, 0.25, 8)

    w, theta = np.meshgrid(w, theta)

    phi = 0.5 * theta

    #x-y平面内的半径

    r = 1 + w * np.cos(phi)

    x = np.ravel(r * np.cos(theta))

    y = np.ravel(r * np.sin(theta))

    z = np.ravel(w * np.sin(phi))

    #要画出莫比乌斯带,还必须保证三角部分是正确的。最好的方法是首先用基本参数化方法定义三角部分,然后用Matplotlib将

    #这个三角剖分映射到莫比乌斯带的三维空间里

    from matplotlib.tri import Triangulation

    tri = Triangulation(np.ravel(w), np.ravel(theta))

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

    ax.plot_trisurf(x, y, z, triangles=tri.triangles, cmap='viridis', linewidth=0.2)

    ax.set_xlim(-1, 1);ax.set_ylim(-1,1);ax.set_zlim(-1,1)

    2020072809451623.png

    到此这篇关于如何用Matplotlib 画三维图的示例代码的文章就介绍到这了,更多相关Matplotlib 三维图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!

    展开全文
  • 用二维泡泡图表示三维数据泡泡的坐标2维,泡泡的大小三维,使用到的函数plt.scatter(P[:,0], P[:,1], s=S, lw = 1.5,edgecolors = C, facecolors='None')其中P[:,0], P[:,1]为泡泡的坐标数据,s为泡泡的大小,lw为...
  • python matplotlib 三维图示例
  • 主要介绍了Python使用matplotlib绘制三维参数曲线操作,结合实例形式分析了Python使用matplotlib的数值计算与图形绘制相关操作技巧,需要的朋友可以参考下
  • Python之Matplotlib数据可视化(七):用Matplotlib画三维图1 三维数据点与线2 三维等高线图2.1 三维等高线图2.2 调整三维图的观察视角3 线框图和曲面图3.1 线框图3.2 三维曲面图3.3 极坐标曲面图4 曲面三角剖分...
  • 最基本的三维图是由(x, y, z)三维坐标点构成的线图与散点图,可以用ax.plot3D和ax.scatter3D函数来创建,默认情况下,散点会自动改变透明度,以在平面上呈现出立体感三维的线图和散点图...toolkitsimport mplot3d%...
  • 主要为大家详细介绍了Python Matplotlib实现三维数据的散点图绘制,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
  • matplotlib画三维直线图

    千次阅读 2018-12-09 20:03:06
    https://blog.csdn.net/hustqb/article/details/78180337matplotlib——3D绘图教程 https://blog.csdn.net/weixin_40198632/article/details/78472015 https://blog.csdn.net/guduruyu/article/details/78050268 ...
  • matplotlib 绘制三维散点图

    千次阅读 2020-12-09 15:01:21
    在撰写论文时常常会用到 matplotlib 来绘制三维散点图,如下所示: 代码实现 plt.figure(figsize=(8,6)) # 设置画布大小 ax = plt.axes(projection='3d') # 设置三维轴 ax.scatter3D(X, Y, Z) # 三个数组对应三个...
  • 用二维泡泡图表示三维数据泡泡的坐标2维,泡泡的大小三维,使用到的函数plt.scatter(P[:,0], P[:,1], s=S, lw = 1.5,edgecolors = C, facecolors='None')其中P[:,0], P[:,1]为泡泡的坐标数据,s为泡泡的大小,lw为...
  • Matplotlib绘制三维柱状图

    千次阅读 2021-01-07 10:22:55
    import matplotlib.pyplot as plt from mpl_toolkits.mplot3d.axes3d import Axes3D # 3D引擎 month = np.arange(1,5) # 每个⽉ 4周 每周都会产⽣数据 # 个维度:⽉、周、销量 fig = plt.figure(figsize=(9,6)) ...
  • 简单三维散点图 导入相关库 import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D 设置相关数据 x = [565.454,562.058,561.390,563.782,567.941,571.255,571.938,569.500] y = [528.012,525....
  • python (matplotlib画三维图像

    万次阅读 多人点赞 2019-08-24 17:09:31
    推荐:三维绘图,画三维图,3d图-英文版 上面写的都非常详细,很推荐,特别是英文版那个,基于此,只给我写的一个例子 三维图 画出2维不相关高斯分布的3维图,即下面公式中n=2的情况 import numpy as np ...
  • matplotlib绘制三维折线图

    千次阅读 2020-12-21 19:01:59
    import matplotlib as mpl import numpy as np import matplotlib.pyplot as plt mpl.rcParams['legend.fontsize'] = 10 fig = plt.figure() ax = fig.gca(projection='3d') x = np.random.randint(0,10,20) # ...
  • import matplotlib.pyplot as plt import numpy as np X=np.array([0,2,3]) Y=np.array([0,2,3]) Z=Z=np.expand_dims([0,1,4],axis=0) fig=plt.figure() ax=fig.add_subplot(111,projection='3d') ax.plot_...
  • matplotlib支持绘制三维线框图, 三维曲面图, 三维散点图. 需要使用axes3d提供3d坐标系. from mpl_toolkits.mplot3d import axes3d ax3d = mp.gca(projection='3d') ax3d.plot_wireframe() # 绘制3d线框图 ax3d.plot...
  • matplotlib3.0三维图 mayuhua 2020.5.17 """ from mpl_toolkits import mplot3d import matplotlib.pyplot as plt import numpy as np def f(x, y): return np.sin(np.sqrt(x ** 2 + y ** 2)) x = np.linspace(-6...
  • 原博文2020-04-14 02:11 −1 # 实例:2 # 首先,还是需要取坐标3 import numpy as np # 假设,m是给定的三维散点序列4 m = np.array([[1, 3, 3],5 [4, 1, 6],6 [1, 4, 3],7 [1, 6, ...01177相关推荐2019-12-05 14:51...
  • import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D import matplotlib;matplotlib.use('tkagg') plt.rcParams['font.sans-serif']=['SimHei'] # 指定默认字体 SimHei为黑体 plt.rcParams['...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 13,660
精华内容 5,464
关键字:

matplotlib画三维