Matplotlib三维绘图，这一篇就够了
1. 效果图1.1 3D线效果图1.2 3D散点效果图1.3 3D随机颜色散点效果图1.4 3D散点不同mark点效果图1.5 3D线框效果图1.6 3D曲面不透明效果图1.7 3D曲面透明效果图
2. 源码参考
这篇博客将介绍使用 mplot3d 工具包进行三维绘图，支持简单的 3D 图形，包括曲面、线框、散点图和条形图。
1. 效果图
1.1 3D线效果图
3D线图效果如下： 可自定义线的颜色及点的样式；
1.2 3D散点效果图
3D散点图（标记了着色以呈现深度外观）效果如下：
1.3 3D随机颜色散点效果图
3D随机颜色散点图效果如下：
1.4 3D散点不同mark点效果图
3D官方散点图不同mark点效果如下：
1.5 3D线框效果图
3D线框图效果如下：
1.6 3D曲面不透明效果图
3D曲面图不透明如下：
1.7 3D曲面透明效果图
3D曲面图透明如下：
2. 源码
# matplotlib 3D绘图
# 3D 轴（属于 Axes3D 类）是通过将 projection="3d" 关键字参数传递给 Figure.add_subplot 来创建的：
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(100)
y = np.random.randint(0, 300, 100)
z = np.random.randint(0, 200, 100)
# 3D线图
def line_3d():
# 线
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# c颜色，marker：样式*雪花
ax.plot(xs=x, ys=y, zs=z, c="y", marker="*")
plt.show()
# 3D散点图
def scatter_3d():
# 散点图
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# s：marker标记的大小
# c: 颜色 可为单个，可为序列
# depthshade: 是否为散点标记着色以呈现深度外观。对 scatter() 的每次调用都将独立执行其深度着色。
# marker：样式
ax.scatter(xs=x, ys=y, zs=0, zdir='z', s=30, c="g", depthshade=True, cmap="jet", marker="^")
plt.show()
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
# 3D随机颜色散点图
def scatter_random_color_3d():
# 随机颜色散点图
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# c: 颜色 可为单个，可为序列
# ‘b’ blue 蓝色、g’ green 绿色、‘r’ red 红色、‘c’ cyan 兰青色
# ‘m’ magenta 紫色、‘y’ yellow 黄色、‘k’ black 黑色、‘w’white 白色
colors = ['b', 'g', 'r', 'c', 'm', 'y', 'k', 'w']
c = np.repeat(colors, 15)[:100]
ax.scatter(xs=x, ys=y, zs=0, zdir='z', s=30, c=c, depthshade=True, cmap="jet", marker="^")
plt.show()
# demo示例
# 设置种子以便重现随机值
np.random.seed(19680801)
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
n = 100
# 每一个样式，绘制n个随机点
# 定义 x in [23, 32], y in [0, 100], z in [zlow, zhigh].
for m, zlow, zhigh in [('o', -50, -25), ('^', -30, -5)]:
xs = randrange(n, 23, 32)
ys = randrange(n, 0, 100)
zs = randrange(n, zlow, zhigh)
ax.scatter(xs, ys, zs, marker=m)
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.show()
# 线框图
def wireframe_3d():
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
x = np.random.randint(-30, high=30, size=(50,)).reshape((25, 2))
y = np.random.randint(-30, high=30, size=(50,)).reshape((25, 2))
z = np.zeros(50).reshape((25, 2))
# c: 颜色
# ‘b’ blue 蓝色、g’ green 绿色、‘r’ red 红色、‘c’ cyan 兰青色
# ‘m’ magenta 紫色、‘y’ yellow 黄色、‘k’ black 黑色、‘w’white 白色
ax.plot_wireframe(x, y, z, color='m')
plt.show()
# demo示例
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# 获取测试数据
X, Y, Z = axes3d.get_test_data(0.05)
# 绘制基本的线框图
ax.plot_wireframe(X, Y, Z, color='c', rstride=10, cstride=10)
plt.show()
# 曲面图，默认情况下，它将以纯色的阴影着色，但它也通过提供 cmap 参数支持颜色映射。
# rcount 和 ccount kwargs 都默认为 50，决定了每个方向使用的最大样本数。如果输入数据较大，则会将其下采样（通过切片）到这些点数。
# 为了最大限度地提高渲染速度，将 rstride 和 cstride 分别设置为行数减 1 和列数减 1 的除数。例如，给定 51 行，rstride 可以是 50 的任何除数。
# 同样，设置 rstride 和 cstride 等于 1（或 rcount 和 ccount 等于行数和列数）可以使用优化路径。
def surface_3d():
# 3D 表面（颜色图）演示绘制使用冷暖色图着色的 3D 表面。通过使用 antialiased=False 使表面变得不透明。
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.ticker import LinearLocator
import numpy as np
fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
# 构建数据
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)
# 绘制曲面图
# 绘制使用冷暖色图着色的 3D 表面。通过使用 antialiased=False 使表面变得不透明。
surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,
linewidth=0, antialiased=False)
# 定制z轴
ax.set_zlim(-1.01, 1.01)
ax.zaxis.set_major_locator(LinearLocator(10))
# A StrMethodFormatter is used automatically
ax.zaxis.set_major_formatter('{x:.02f}')
# 添加一个颜色条形图展示颜色区间
fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()
# 绘制曲面图
# 绘制使用冷暖色图着色的 3D 表面。通过使用 antialiased=True 使表面变得透明。
fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,
linewidth=0, antialiased=True)
# 定制z轴
ax.set_zlim(-1.01, 1.01)
ax.zaxis.set_major_locator(LinearLocator(10))
# A StrMethodFormatter is used automatically
ax.zaxis.set_major_formatter('{x:.02f}')
# 添加一个颜色条形图展示颜色区间
fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()
# 三角曲面图
def tri_surface_3d():
n_radii = 8
n_angles = 36
# 将半径和角度设为等差数组（省略半径r=0以消除重复）
# start，stop，n，endpoint 默认endpoint为True，包含stop，为False不包含stop
radii = np.linspace(0.125, 1.0, n_radii)
angles = np.linspace(0, 2 * np.pi, n_angles, endpoint=False)[..., np.newaxis]
# 将polar极坐标（半径、角度）转换为cartesian笛卡尔坐标（x、y）
# （0，0）在此阶段手动添加，因此（x，y）平面中的点不会重复
x = np.append(0, (radii * np.cos(angles)).flatten())
y = np.append(0, (radii * np.sin(angles)).flatten())
# 计算z以生成pringle surface普林格尔曲面
z = np.sin(-x * y)
ax = plt.figure().add_subplot(projection='3d')
ax.plot_trisurf(x, y, z, linewidth=0.2, antialiased=True)
plt.show()
# 3D线图
line_3d()
# 3D散点图
scatter_3d()
# 3D随机颜色散点图
scatter_random_color_3d()
# 线框图
wireframe_3d()
# 曲面图，默认情况下，它将以纯色的阴影着色，但它也通过提供 cmap 参数支持颜色映射。
surface_3d()
# 三角曲面图
tri_surface_3d()
参考
https://matplotlib.org/stable/tutorials/toolkits/mplot3d.html#toolkit-mplot3d-tutorial