Python进阶之3D图形

Python进阶之3D图形

在数据可视化中，2D图形通常可以满足大多数需求。然而，对于一些复杂的数据或分析，3D图形可以提供更多的视角和洞察。在Python中，使用 Matplotlib 和 Plotly 等库可以轻松创建各种3D图形。本文将介绍如何使用这些工具绘制3D图形，并展示一些高级用法。

1. 使用Matplotlib绘制3D图形

Matplotlib 提供了一个 mplot3d 模块，用于创建3D图形。以下是一些常见的3D图形示例。

1.1 3D散点图

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D# 示例数据
np.random.seed(0)
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(x, y, z, c='blue', marker='o')ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
ax.set_title('3D Scatter Plot')plt.show()

1.2 3D曲面图

from mpl_toolkits.mplot3d import Axes3D# 示例数据
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))fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(x, y, z, cmap='viridis')ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
ax.set_title('3D Surface Plot')plt.show()

1.3 3D柱状图

from mpl_toolkits.mplot3d import Axes3Dfig = plt.figure()
ax = fig.add_subplot(projection='3d')
x, y = np.random.rand(2, 100) * 4
hist, xedges, yedges = np.histogram2d(x, y, bins=4, range=[[0, 4], [0, 4]])# Construct arrays for the anchor positions of the 16 bars.
xpos, ypos = np.meshgrid(xedges[:-1] + 0.25, yedges[:-1] + 0.25, indexing="ij")
xpos = xpos.ravel()
ypos = ypos.ravel()
zpos = 0# Construct arrays with the dimensions for the 16 bars.
dx = dy = 0.5 * np.ones_like(zpos)
dz = hist.ravel()ax.bar3d(xpos, ypos, zpos, dx, dy, dz, zsort='average')plt.show()

2. 使用Plotly绘制3D图形

Plotly 提供了更为交互的3D图形功能，可以使图表的操作更加灵活和动态。

2.1 3D散点图

import plotly.graph_objs as go
import plotly.offline as pyo# 示例数据
trace = go.Scatter3d(x=np.random.rand(100),y=np.random.rand(100),z=np.random.rand(100),mode='markers',marker=dict(size=5, color='blue')
)layout = go.Layout(title='3D Scatter Plot',scene=dict(xaxis_title='X Label',yaxis_title='Y Label',zaxis_title='Z Label')
)fig = go.Figure(data=[trace], layout=layout)
pyo.iplot(fig)

2.2 3D曲面图

import plotly.graph_objs as go
import plotly.offline as pyo# 示例数据
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))trace = go.Surface(z=z,x=x,y=y,colorscale='Viridis'
)layout = go.Layout(title='3D Surface Plot',scene=dict(xaxis_title='X Label',yaxis_title='Y Label',zaxis_title='Z Label')
)fig = go.Figure(data=[trace], layout=layout)
pyo.iplot(fig)

2.3 3D网格图

import plotly.graph_objs as go
import plotly.offline as pyo# 示例数据
x = np.arange(10)
y = np.arange(10)
x, y = np.meshgrid(x, y)
z = np.sin(x) + np.cos(y)trace = go.Mesh3d(x=x.flatten(),y=y.flatten(),z=z.flatten(),i=[0, 1, 2],j=[1, 2, 3],k=[2, 3, 4],opacity=0.5
)layout = go.Layout(title='3D Mesh Plot',scene=dict(xaxis_title='X Label',yaxis_title='Y Label',zaxis_title='Z Label')
)fig = go.Figure(data=[trace], layout=layout)
pyo.iplot(fig)

3. 3D图形的应用场景

• 科学数据：如分子结构、地理数据、气象数据等。
• 工程分析：如应力分布、流体力学等。
• 数据探索：通过3D图形发现数据中的模式和异常。

结语

3D图形能够提供额外的维度和视角，帮助更全面地理解数据。在Python中，Matplotlib 和 Plotly 提供了丰富的工具来创建和展示3D图形。希望本文的示例和技巧能够帮助你在数据可视化中更好地利用3D图形。如果你有更多的3D图形需求或问题，欢迎在评论区交流和讨论！

试着使用上述方法创建自己的3D图形，并分享你的成果和心得。你也可以尝试将不同的3D图形结合起来，探索它们在数据分析中的应用。完成后，欢迎在评论区留言，我们可以一起讨论如何进一步优化和改进！

---

为了方便大家交流和学习，建立了一个绘图交流学习群，欢迎大家的加入。

“Python绘图”专栏已完结，后续会出有关具体的图形的绘制教程，感兴趣的可以关注“AIDD Learning”。