精华内容
下载资源
问答
  • 主要介绍了如何用Matplotlib 画三维图的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • 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
  • 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
  • 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...

    首先看经典三维立体图:莫比乌斯环
    在这里插入图片描述

    Matplotlib 原本只能画二维图。大概在 1.0 版本的时候,Matplotlib 实现了一些建立在二维图基础上的三维图功能,于是一组画三维图可视化的便捷(尚不完美)工具便诞生了。我们可以导入 Matplotlib 自带的 mplot3d 工具箱来画三维图

    from mpl_toolkits import mplot3d
    

    导入这个子模块之后,就可以在创建任意一个普通坐标轴的过程中加入 projection='3d'关键字,从而创建一个三维坐标轴:

    import numpy as np
    import matplotlib.pyplot as plt
    fig = plt.figure()
    ax = plt.axes(projection='3d')
    

    在这里插入图片描述
    有了三维坐标轴之后,我们就可以在上面画出各种各样的三维图了。

    1 三维数据点与线

    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.plot3Dax.scatter3D 函数来创建它们。由于三维图函数的参数与二维图函数的参数基本相同。下面来画一个三角螺旋线(trigonometric spiral),在线上随机分布一些散点

    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');
    
    from mpl_toolkits import mplot3d
    import numpy as np
    import matplotlib.pyplot as plt
    fig = plt.figure()
    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()
    
    

    在这里插入图片描述
    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。有时在静态图形上观察三维效果很费劲,通过交互视图(interactive view)就可以让所有数据点呈现出极佳的视觉效果。

    2 三维等高线图

    与二维等高线相比, mplot3d 有用同样的输入数据创建三维晕渲(relief)图的工具。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。

    2.1 三维等高线图

    下面演示一个用三维正弦函数画的三维等高线图

    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');
    
    from mpl_toolkits import mplot3d
    import numpy as np
    import matplotlib.pyplot as plt
    
    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()
    
    

    在这里插入图片描述

    2.2 调整三维图的观察视角

    默认的初始观察角度有时不是最优的, view_init 可以调整观察角度与方位角(azimuthal angle)。我们把俯仰角调整为 60 度(这里的 60 度是 x-y 平面的旋转角度),方位角调整为 35 度(就是绕 z 轴顺时针旋转 35 度):

    ax.view_init(60, 35)
    fig
    
    from mpl_toolkits import mplot3d
    import numpy as np
    import matplotlib.pyplot as plt
    
    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');
    ax.view_init(60, 35)
    fig
    
    plt.show()
    
    

    在这里插入图片描述
    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。

    3 线框图和曲面图

    还有两种画网格数据的三维图没有介绍,就是线框图和曲面图。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。

    3.1 线框图

    下面是一个线框图示例

    fig = plt.figure()
    ax = plt.axes(projection='3d')
    ax.plot_wireframe(X, Y, Z, color='black')
    ax.set_title('wireframe');
    

    在这里插入图片描述

    3.2 三维曲面图

    曲面图与线框图类似,只不过线框图的每个面都是由多边形构成的。只要增加一个配色方案来填充这些多边形,就可以让读者感受到可视化图形表面的拓扑结构了

    ax = plt.axes(projection='3d')
    ax.plot_surface(X, Y, Z, rstride=1, cstride=1,cmap='viridis', edgecolor='none')
    ax.set_title('surface');
    
    from mpl_toolkits import mplot3d
    import numpy as np
    import matplotlib.pyplot as plt
    
    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.plot_surface(X, Y, Z, rstride=1, cstride=1,
    				cmap='viridis', edgecolor='none')
    ax.set_title('surface');
    
    plt.show()
    
    

    在这里插入图片描述

    3.3 极坐标曲面图

    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(也可以用极坐标)。下面的示例创建了一个局部的极坐标网格(polar grid),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

    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');
    
    from mpl_toolkits import mplot3d
    import numpy as np
    import matplotlib.pyplot as plt
    
    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()
    
    

    在这里插入图片描述

    4 曲面三角剖分

    在某些应用场景中,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图形(triangulation-based plot)了。如果没有笛卡尔或极坐标网格的均匀绘制图形,我们该如何用一组随机数据画图呢?

    4.1 三维采样的曲面图

    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)
    

    可以先为数据点创建一个散点图,对将要采样的图形有一个基本认识

    ax = plt.axes(projection='3d')
    ax.scatter(x, y, z, c=z, cmap='viridis', linewidth=0.5);
    
    from mpl_toolkits import mplot3d
    import numpy as np
    import matplotlib.pyplot as plt
    
    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()
    
    

    在这里插入图片描述

    4.2 三角剖分曲面图

    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(结果如图 所示,其中 x 、 y 和 z 参数都是一维数组):

    ax = plt.axes(projection='3d')
    ax.plot_trisurf(x, y, z,
    cmap='viridis', edgecolor='none');
    
    from mpl_toolkits import mplot3d
    import numpy as np
    import matplotlib.pyplot as plt
    
    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.plot_trisurf(x, y, z,
    cmap='viridis', edgecolor='none');
    plt.show()
    
    

    在这里插入图片描述

    虽然结果肯定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。例如,可以用它画一条三维的莫比乌斯带,下面就来进行演示。

    4.3 案例: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!下面我们就用 Matplotlib 的三维工具来画一条莫比乌斯带。此时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(intrinsic dimensions)。让我们把一个维度定义为 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 ( x, y, z )
    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 ( x, y, z ) 就是:

    # 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))
    

    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

    # 用基本参数化方法定义三角剖分
    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);
    
    from mpl_toolkits import mplot3d
    import numpy as np
    import matplotlib.pyplot as plt
    
    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))
    # 用基本参数化方法定义三角剖分
    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);
    plt.show()
    
    

    在这里插入图片描述

    备注

    各位老铁来个“关注”、“点赞”、“评论”三连击哦
    各位老铁来个“关注”、“点赞”、“评论”三连击哦
    各位老铁来个“关注”、“点赞”、“评论”三连击哦

    在这里插入图片描述

    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')

    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python博客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python博客!

    展开全文
  • matplotlib画三维

    2021-02-24 02:05:45
    #先画三维的散点图试试 #基本操作 from mpl_toolkits import mplot3d %matplotlib inline import numpy as np import matplotlib.pyplot as plt fig = plt.figure() ax = plt.axes(projection='3d') #设置线条的...
  • 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...
  • 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...
  • 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)
  • 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...
  • 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%...
  • 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 ...
  • 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....
  • 关于matplotlib画三维

    2017-01-23 12:45:10
    [img=https://img-bbs.csdn.net/upload/201701/23/1485146658_197463.png][/img]
  • 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...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 402
精华内容 160
关键字:

matplotlib画三维