Python+Matplotlib实现绘制三维折线图

1.0简介

三维图像技术是现在国际最先进的计算机展示技术之一，任何普通电脑只需要安装一个插件，就可以在网络浏览器中呈现三维的产品，不但逼真，而且可以动态展示产品的组合过程，特别适合远程浏览。

立体图视觉上层次分明色彩鲜艳，具有很强的视觉冲击力，让观看的人驻景时间长，留下深刻的印象。立体图给人以真实、栩栩如生，人物呼之欲出，有身临其境的感觉，有很高的艺术欣赏价值。

今天我们就通过这篇文章来了解如何用python中的matplotlib库绘制漂亮的三位论文图吧！秀翻你的朋友！

2.0三维图画法与类型

首先要安装Matplotlib库可以使用pip：

pip install matplotlib

假设已经安装了matplotlib工具包。

利用matplotlib.figure.Figure创建一个图框：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

1、直线绘制（Line plots）

基本用法：ax.plot(x,y,z,label=' ')

代码如下：

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

mpl.rcParams['legend.fontsize'] = 10

fig = plt.figure()
ax = fig.add_subplot(projection='3d')
theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-2, 2, 100)
r = z ** 2 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)
ax.plot(x, y, z, label='parametric curve')
ax.legend()

效果如下：

2、散点绘制（Scatter plots）

基本语法：

ax.scatter(xs, ys, zs, s=20, c=None, depthshade=True, *args, *kwargs)

代码大意为：

• xs,ys,zs：输入数据；

• s:scatter点的尺寸

• c:颜色，如c = 'r’就是红色；

• depthshase:透明化，True为透明，默认为True，False为不透明

• *args等为扩展变量，如maker = ‘o’，则scatter结果为’o‘的形状

示例代码：

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

def randrange(n, vmin, vmax):
   '''
   Helper function to make an array of random numbers having shape (n, )
   with each number distributed Uniform(vmin, vmax).
   '''
   return (vmax - vmin)*np.random.rand(n) + vmin

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

n = 100

# For each set of style and range settings, plot n random points in the box
# defined by x in [23, 32], y in [0, 100], z in [zlow, zhigh].
for c, m, zlow, zhigh in [('r', 'o', -50, -25), ('b', '^', -30, -5)]:
   xs = randrange(n, 23, 32)
   ys = randrange(n, 0, 100)
   zs = randrange(n, zlow, zhigh)
   ax.scatter(xs, ys, zs, c=c, marker=m)

ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')

plt.show()

效果：

3、线框图（Wireframe plots）

基本用法：ax.plot_wireframe(X, Y, Z, *args, **kwargs)

• X,Y,Z：输入数据

• rstride:行步长

• cstride:列步长

• rcount:行数上限

• ccount:列数上限

示例代码：

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(100, projection='3d')

# Grab some test data.
X, Y, Z = axes3d.get_test_data(0.12)

# Plot a basic wireframe.
ax.plot_wireframe(X, Y, Z, rstride=10, cstride=10)

plt.show()

有点丑。。。大家可以自行更改绘图数据，美化图像。

4、三角表面图（Tri-Surface plots）

基本用法：ax.plot_trisurf(*args, **kwargs)

ax.plot_trisurf(*args, **kwargs)

X,Y,Z:数据

其他参数类似surface-plot

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

n_radii = 8
n_angles = 36

radii = np.linspace(0.125, 1.0, n_radii)
angles = np.linspace(0, 2*np.pi, n_angles, endpoint=False)

angles = np.repeat(angles[..., np.newaxis], n_radii, axis=1)

# points in the (x, y) plane.
x = np.append(0, (radii*np.cos(angles)).flatten())
y = np.append(0, (radii*np.sin(angles)).flatten())

z = np.sin(-x*y)

fig = plt.figure()
ax = fig.add_subplot(projection='3d')

ax.plot_trisurf(x, y, z, linewidth=0.2, antialiased=True)

plt.show()

运行效果图：

5.随机散点图 

利用scatter生成随机散点图。

函数定义：

#函数定义
matplotlib.pyplot.scatter(x, y, 
    s=None,   #散点的大小 array  scalar
    c=None,   #颜色序列   array、sequency
    marker=None,   #点的样式
    cmap=None,    #colormap 颜色样式
    norm=None,    #归一化  归一化的颜色camp
    vmin=None, vmax=None,    #对应上面的归一化范围
     alpha=None,     #透明度
    linewidths=None,   #线宽
    verts=None,   #
    edgecolors=None,  #边缘颜色
    data=None, 
    **kwargs
    )

示例代码：

import numpy as np
import matplotlib.pyplot as plt
#定义坐标轴
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')

#生成三维数据
xx = np.random.random(20)*10-5   #取100个随机数，范围在5~5之间
yy = np.random.random(20)*10-5
X, Y = np.meshgrid(xx, yy)
Z = np.sin(np.sqrt(X**2+Y**2))

#作图
ax4.scatter(X,Y,Z,alpha=0.3,c=np.random.random(400),s=np.random.randint(10,20,size=(20, 20)))     #生成散点.利用c控制颜色序列,s控制大小

plt.show()

效果：

来源：https://blog.csdn.net/kivyp/article/details/129628486