30行Python代碼實(shí)現(xiàn)3D數(shù)據(jù)可視化

歡迎來(lái)到編程教室~

我們之前的文章中有講解過(guò)不少 Matplotlib 的用法，比如：

• 完成這50個(gè)Matplotlib代碼，你也能畫(huà)出優(yōu)秀的圖表

• 25個(gè)常用Matplotlib圖的Python代碼，收藏了！

之前我們基本都是用它來(lái)繪制二維的數(shù)據(jù)圖表。而今天文章中，我們將教大家如何用不到 30 行代碼繪制 Matplotlib 3D 圖形。

回顧 2D 作圖

用賽貝爾曲線作 2d 圖。此圖是用基于 Matplotlib 的 Path 通過(guò)賽貝爾曲線實(shí)現(xiàn)的，有對(duì)賽貝爾曲線感興趣的朋友們可以深入了解一下。在 matplotlib 中，figure 為畫(huà)布，axes 為繪圖區(qū)，fig.add_subplot()、plt.subplot() 方法均可以創(chuàng)建子圖。以下是作圖實(shí)踐。

import?matplotlib.path?as?mpath
import?matplotlib.patches?as?mpatches
import?matplotlib.pyplot?as?plt

fig,?ax?=?plt.subplots()
#定義繪圖指令與控制點(diǎn)坐標(biāo)
Path?=?mpath.Path
#?Path?控制坐標(biāo)點(diǎn)繪制貝塞爾曲線
#?圖形數(shù)據(jù)構(gòu)造

#?MOVETO表示將繪制起點(diǎn)移動(dòng)到指定坐標(biāo)
#?CURVE4表示使用4個(gè)控制點(diǎn)繪制3次貝塞爾曲線
#?CURVE3表示使用3個(gè)控制點(diǎn)繪制2次貝塞爾曲線
#?LINETO表示從當(dāng)前位置繪制直線到指定位置
#?CLOSEPOLY表示從當(dāng)前位置繪制直線到指定位置，并閉合多邊形
path_data?=?[
????(Path.MOVETO,?(1.88,?-2.57)),
????(Path.CURVE4,?(0.35,?-1.1)),
????(Path.CURVE4,?(-1.75,?1.5)),
????(Path.CURVE4,?(0.375,?2.0)),
????(Path.LINETO,?(0.85,?1.15)),
????(Path.CURVE4,?(2.2,?3.2)),
????(Path.CURVE4,?(3,?0.05)),
????(Path.CURVE4,?(2.0,?-1.5)),
????(Path.CLOSEPOLY,?(1.58,?-2.57)),
????]
codes,verts?=?zip(*path_data)
path?=?mpath.Path(verts,?codes)
patch?=?mpatches.PathPatch(path,?facecolor='r',?alpha=0.5)
ax.add_patch(patch)
#?plot?control?points?and?connecting?lines
x,?y?=?zip(*path.vertices)
line,?=?ax.plot(x,?y,?'go-')
ax.grid()
ax.axis('equal')
plt.show()

3D 帽子圖1

Matplotlib 繪制 3D 圖形使用的是 mplot3d Toolkit，即 mplot3d 工具包。繪制 3D 圖可以通過(guò)創(chuàng)建子圖，然后指定 projection 參數(shù) 為 3d 即可，返回的 ax 為 Axes3D 對(duì)象。

導(dǎo)入包：

from?matplotlib?import?cm
from?matplotlib.ticker?import?LinearLocator,?FormatStrFormatter
from?mpl_toolkits.mplot3d?import?Axes3D

繪圖全過(guò)程：

import?matplotlib.pyplot?as?plt
from?matplotlib?import?cm
from?matplotlib.ticker?import?LinearLocator,?FormatStrFormatter
from?mpl_toolkits.mplot3d?import?Axes3D
import?numpy?as?np

fig?=?plt.figure()

#?指定圖形類型是?3d?類型
ax?=?fig.add_subplot(projection='3d')

#?構(gòu)造數(shù)據(jù)
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)

#?Plot?the?surface.
surf?=?ax.plot_surface(X,?Y,?Z,?cmap=cm.coolwarm,
???????????????????????linewidth=0,?antialiased=False)
#?Customize?the?z?axis.
ax.set_zlim(-1.01,?1.01)
ax.zaxis.set_major_locator(LinearLocator(10))
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))
#?Add?a?color?bar?which?maps?values?to?colors.
fig.colorbar(surf,?shrink=0.5,?aspect=5)

plt.show()

呈現(xiàn)效果：

3D 帽子圖2

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

fig?=?plt.figure()
#?指定圖形類型為?3d?類型
ax?=?fig.add_subplot(111,?projection='3d')
#?X,?Y?value
X?=?np.arange(-5,?5,?0.25)
Y?=?np.arange(-5,?5,?0.25)

#?設(shè)置?x-y?平面的網(wǎng)格
X,?Y?=?np.meshgrid(X,?Y)
R?=?np.sqrt(X?**?2?+?Y?**?2)
#?height?value
Z?=?np.sin(R)

#?rstride:行之間的跨度??cstride:列之間的跨度
#?rcount:設(shè)置間隔個(gè)數(shù)，默認(rèn)50個(gè)，ccount:列的間隔個(gè)數(shù)??不能與上面兩個(gè)參數(shù)同時(shí)出現(xiàn)
#vmax和vmin??顏色的最大值和最小值
ax.plot_surface(X,?Y,?Z,?rstride=1,?cstride=1,?cmap=plt.get_cmap('rainbow'))

#?zdir?:?'z'?|?'x'?|?'y'?表示把等高線圖投射到哪個(gè)面
#?offset?:?表示等高線圖投射到指定頁(yè)面的某個(gè)刻度
ax.contourf(X,Y,Z,zdir='z',offset=-2)

#?設(shè)置圖像z軸的顯示范圍，x、y軸設(shè)置方式相同
ax.set_zlim(-2,2)

plt.show()

3D 線性圖

3D 線性圖使用 Axes3D.plot來(lái)繪制。繪畫(huà)的基本方法：Axes3D.plot(xs, ys[, zs, zdir='z', *args, **kwargs])

參數(shù)說(shuō)明：

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

#?依次獲取畫(huà)布和繪圖區(qū)并創(chuàng)建?Axes3D?對(duì)象
fig?=?plt.figure()
ax?=?fig.gca(projection='3d')

#?第一條3D線性圖數(shù)據(jù)
theta?=?np.linspace(-4?*?np.pi,?4?*?np.pi,?100)
z1?=?np.linspace(-2,?2,?100)
r?=?z1**2?+?1
x1?=?r?*?np.sin(theta)
y1?=?r?*?np.cos(theta)

#?第二條3D線性圖數(shù)據(jù)
z2?=?np.linspace(-3,?3,?100)
x2?=?np.sin(z2)
y2?=?np.cos(z2)

#?繪制3D線性圖
ax.plot(x1,?y1,?z1,?color='b',?label='3D?Line1')
ax.plot(x2,?y2,?z2,?color='r',?label='3D?Line2')

#?設(shè)置標(biāo)題、軸標(biāo)簽、圖例，也可以直接使用?plt.title、plt.xlabel、plt.legend...
ax.set_title('3D?Line?View',?pad=15,?fontsize='10')
ax.set_xlabel('x?',?color='r',?fontsize='14')
ax.set_ylabel('y?',?color='g',?fontsize='14')
ax.set_zlabel('z?',?color='b',?fontsize='14')
ax.legend()
plt.show()

結(jié)果顯示：

3D 散點(diǎn)圖

繪制 3D 散點(diǎn)圖的基本方法是：Axes3D.scatter(xs, ys[, zs=0, zdir='z', s=20, c=None, depthshade=True, *args, **kwargs])

參數(shù)詳解：

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

def?randrange(n,?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_title('3D?Diagram?View',?pad=15,?fontsize='10')
ax.set_xlabel('x?',?color='r',?fontsize='14')
ax.set_ylabel('y?',?color='g',?fontsize='14')
ax.set_zlabel('z?',?color='b',?fontsize='14')

plt.show()

結(jié)果顯示為：

總結(jié)

本文主要是介紹使用 Python 第三方庫(kù) Matplotlib 來(lái)繪制 3D 圖形，當(dāng)然除了上面演示的這幾種，還有更多豐富的圖形和功能等待你去挖掘。相比于 2D 圖形，3D 圖形可以多展現(xiàn)一個(gè)維度的數(shù)據(jù)特征，在可視化時(shí)會(huì)有更加直觀的效果。在實(shí)際的數(shù)據(jù)可視化過(guò)程中，我們要根據(jù)具體需求來(lái)決定用怎樣的形式來(lái)展現(xiàn)，而多了解一些工具就可以更加游刃有余。這些強(qiáng)大的工具也正是 Python 在數(shù)據(jù)分析和可視化方面的一大優(yōu)勢(shì)之一。

本文相關(guān)代碼下載地址：