【100天精通Python】Day65：Python可视化_Matplotlib3D绘图mplot3d，绘制3D散点图、3D线图和3D条形图，示例+代码

1  mpl_toolkits.mplot3d  功能介绍

  mpl_toolkits.mplot3d 是 Matplotlib 库中的一个子模块，用于绘制和可视化三维图形，包括三维散点图、曲面图、线图等。它提供了丰富的功能来创建和定制三维图形。以下是 mpl_toolkits.mplot3d 的主要功能和功能简介：

1. 3D 散点图：通过 scatter 函数，你可以绘制三维散点图，用于显示三维数据点的分布和关系。

2. 3D 曲面图：使用 plot_surface 函数，可以创建三维曲面图，用于可视化三维数据的表面形状。这对于显示函数的三维性质非常有用。

3. 3D 线图：plot 函数允许你绘制三维线图，用于表示数据点之间的连接关系。这对于显示数据随时间或其他变量的变化趋势非常有用。

4. 3D 条形图：通过 bar3d 函数，你可以创建三维柱状图，用于比较不同类别或组的数据。

5. 3D 散点图标记和颜色：你可以根据数据的特性来定制散点图的标记形状和颜色，以区分不同的数据点。

6. 3D 坐标轴定制：你可以设置和定制三维图的坐标轴，包括添加标签、设置刻度和范围等。

7. 图形样式定制：你可以设置图形的样式，包括标题、图例、背景色、线条样式和颜色等，以使图形更具吸引力和可读性。

8. 3D 投影：mpl_toolkits.mplot3d 支持不同类型的三维投影，包括透视投影和正交投影，以满足不同的可视化需求。

9. 动画和交互性：你可以在三维图中添加动画效果或交互式元素，以更好地探索数据。

10. 多图形组合：你可以在同一个三维图中组合多个不同类型的图形，以展示多个数据系列。

11. 保存图形：最后，你可以将绘制的三维图形保存为图像文件，以便在文档中使用或与他人分享。

        总之，mpl_toolkits.mplot3d 子模块为 Matplotlib 提供了强大的三维可视化工具，可以用于可视化和分析三维数据。根据你的需求，你可以选择不同的图形类型和样式来呈现数据，以便更好地理解和传达你的发现。

在 Matplotlib 的 mpl_toolkits.mplot3d 模块中，绘制 3D 图的一般流程包括以下步骤：

（1）导入必要的库和模块：

import matplotlib.pyplot as plt 
from mpl_toolkits.mplot3d import Axes3D

 （2）创建一个 3D 图形的绘图对象：

fig = plt.figure()

（3） 创建一个 3D 子图：

ax = fig.add_subplot(111, projection='3d')

（4） 准备数据：定义 X、Y 和 Z 数据，这些数据将在 3D 图中表示。

1. 使用相应的 3D 绘图函数来绘制数据，例如：

   • 散点图：ax.scatter(x, y, z, c='color', marker='marker_style', label='label')
   • 曲面图：ax.plot_surface(X, Y, Z, cmap='colormap')
   • 线图：ax.plot(x, y, z, label='label')
   • 柱状图：ax.bar3d(x, y, z, dx, dy, dz, shade=True)

（5）添加坐标轴标签：

ax.set_xlabel('X轴标签') 
ax.set_ylabel('Y轴标签') 
ax.set_zlabel('Z轴标签')

（6）添加标题：

plt.title('3D 图标题')

（7）添加图例（如果需要）：

ax.legend()

（8）显示图形：

plt.show()

2 绘制3D散点图

        在matplotlib的mpl_toolkits.mplot3d模块中，你可以使用`scatter`函数绘制多种类型的3D散点图。

下面是一些常见的3D散点图类型：

2.1 绘制单色散点图

        所有的散点都使用相同的颜色。可以通过设置`c`参数指定颜色。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制单色散点图
ax.scatter(x, y, z, c='blue')

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

2.2 绘制彩色散点图

        不同的散点可以使用不同的颜色。可以通过设置`c`参数为一个具有相同长度的数组来指定每个散点的颜色。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)
colors = np.random.rand(100)

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制彩色散点图
ax.scatter(x, y, z, c=colors)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

2.3 绘制大小变化散点图

        散点的大小可以根据某个特征进行变化。可以通过设置`s`参数为一个具有相同长度的数组来指定每个散点的大小。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.random.rand(100)  # x坐标
y = np.random.rand(100)  # y坐标
z = np.random.rand(100)  # z坐标
colors = np.random.rand(100)  # 散点颜色
sizes = np.random.randint(low=50, high=200, size=100)  # 散点大小

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制散点图
ax.scatter(x, y, z, c=colors, s=sizes, alpha=0.8)

# 设置坐标轴标签
ax.set_xlabel('X')  # 设置x轴标签
ax.set_ylabel('Y')  # 设置y轴标签
ax.set_zlabel('Z')  # 设置z轴标签

# 显示图形
plt.show()

2.4 绘制形状变化散点图

        散点的形状可以根据某个特征进行变化。可以通过设置`marker`参数来指定散点的形状。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)
markers = ['o', 's', '^', 'D']

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制形状变化散点图
for i in range(len(x)):
    ax.scatter(x[i], y[i], z[i], marker=markers[i%len(markers)])

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

3 绘制3D线图

        使用mpl_toolkits.mplot3d模块中的Axes3D对象绘制3D线图。

3.1 简单线图

        使用`plot`函数绘制简单的曲线。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.linspace(0, 1, 100)
y = np.sin(2 * np.pi * x)
z = np.cos(2 * np.pi * x)

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制简单线图
ax.plot(x, y, z)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

3.2 绘制多线图

        使用`plot`函数绘制多条线并在同一图表中显示。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']


# 创建示例数据
t = np.linspace(0, 20, 100)  # 时间或X轴数据
x1 = np.sin(t)
y1 = np.cos(t)
z1 = t

x2 = np.sin(t) + 2
y2 = np.cos(t) + 2
z2 = t

# 创建图形和子图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制第一条线
ax.plot(x1, y1, z1, label='线1', color='blue', linestyle='-', linewidth=2)

# 绘制第二条线
ax.plot(x2, y2, z2, label='线2', color='red', linestyle='--', linewidth=2)

# 添加标题
plt.title('三维多线图示例')

# 添加坐标轴标签
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')

# 添加图例
ax.legend()

# 显示图形
plt.show()

3.3  绘制带标记的线图

        使用`plot`函数，并通过设置`marker`参数来添加线上的标记点。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.linspace(0, 1, 100)
y = np.sin(2 * np.pi * x)
z = np.cos(2 * np.pi * x)

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制带标记的线图
ax.plot(x, y, z, marker='o')

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

3.4  绘制立体网格线图

        使用`plot_wireframe`函数在3D空间中绘制网格线图。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X ** 2 + Y ** 2))

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制立体网格线图
ax.plot_wireframe(X, Y, Z)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

3.5  绘制等高线图

        使用`contour`或`contourf`函数在3D空间中绘制等高线。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制3D等高线图
ax.contour3D(X, Y, Z, 50, cmap='viridis')

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()

4 绘制3D条形图

        在matplotlib中，由于 ​mpl_toolkits.mplot3d​模块的限制，没有直接绘制3D的条形图的函数。不过你可以使用 ​bar3d​函数绘制类似的3D条形图效果。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = [1, 2, 3, 4, 5]  # x轴坐标位置
y = [1, 2, 3, 4, 5]  # y轴坐标位置
z = [0, 3, 2, 5, 1]  # z轴高度，即条形的高度
dx = dy = 0.8  # x和y方向的宽度
dz = z  # 条形的高度
colors = ['red', 'green', 'blue', 'orange', 'purple']  # 颜色列表，一一对应于每个条形

# 创建图形和轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制3D条形图，并设置每个条形的颜色
for xi, yi, zi, color in zip(x, y, z, colors):
    ax.bar3d(xi, yi, 0, dx, dy, zi, color=color)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()