Python利用matplotlib模組資料視覺化繪製3D圖

2022-02-10 13:00:52

前言

matplotlib實際上是一套物件導向的繪相簿，它所繪製的圖表中的每個繪圖元素，例如線條Line2D、文字Text、刻度等在記憶體中都有一個物件與之對應。

為了方便快速繪圖matplotlib通過pyplot模組提供了一套和MATLAB類似的繪圖API，將眾多繪圖物件所構成的複雜結構隱藏在這套API內部。我們只需要呼叫pyplot模組所提供的函數就可以實現快速繪圖以及設定圖表的各種細節。pyplot模組雖然用法簡單，但不適合在較大的應用程式中使用。

為了將物件導向的繪相簿包裝成只使用函數的呼叫介面，pyplot模組的內部儲存了當前圖表以及當前子圖等資訊。當前的圖表和子圖可以使用plt.gcf()和plt.gca()獲得，分別表示"Get Current Figure"和"Get Current Axes"。在pyplot模組中，許多函數都是對當前的Figure或Axes物件進行處理，比如說：

plt.plot()實際上會通過plt.gca()獲得當前的Axes物件ax，然後再呼叫ax.plot()方法實現真正的繪圖。

可以在Ipython中輸入類似"plt.plot??"的命令檢視pyplot模組的函數是如何對各種繪圖物件進行包裝的。

1 matplotlib繪製3D圖形

matplotlib可以繪製3D圖形，有的版本中不具備該模組，可以進入python環境，輸入from mpl_toolkits.mplot3d import Axes3D進行測試，如果匯入成功則可以，否則需要安裝matplotlib其他版本，這裡我用的是2.0.2版本。

2 繪製3D畫面圖

2.1 原始碼

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
# 建立3d圖形的兩種方式
# ax = Axes3D(fig)
ax = fig.add_subplot(111, projection='3d')
# X, Y value
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)    # x-y 平面的網格
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:設定間隔個數，預設50個，ccount:列的間隔個數  不能與上面兩個引數同時出現
#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面
# offset : 表示等高線圖投射到指定頁面的某個刻度
ax.contourf(X,Y,Z,zdir='z',offset=-2)
# 設定影象z軸的顯示範圍，x、y軸設定方式相同
ax.set_zlim(-2,2)
plt.show()

2.2 效果圖

3 繪製散點圖

3.1 原始碼

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
 
x = np.arange(0, 200)
y = np.arange(0, 100)
x, y = np.meshgrid(x, y)
z = np.random.randint(0, 200, size=(100, 200))
y3 = np.arctan2(x,y)
ax.scatter(x, y, z, c=y3, marker='.', s=50, label='')
plt.show()

3.2 效果圖

4 繪製多邊形

4.1 原始碼

from mpl_toolkits.mplot3d import Axes3D
from mpl_toolkits.mplot3d.art3d import Poly3DCollection,Line3DCollection
fig = plt.figure()
ax = fig.gca(projection='3d')
 
# 正文體頂點和麵
verts = [(0, 0, 0), (0, 1, 0), (1, 1, 0), (1, 0, 0), (0, 0, 1), (0, 1, 1), (1, 1, 1), (1, 0, 1)]
faces = [[0, 1, 2, 3], [4, 5, 6, 7], [0, 1, 5, 4], [1, 2, 6, 5], [2, 3, 7, 6], [0, 3, 7, 4]]
# 四面體頂點和麵
# verts = [(0, 0, 0), (1, 0, 0), (1, 1, 0), (1, 0, 1)]
# faces = [[0, 1, 2], [0, 1, 3], [0, 2, 3], [1, 2, 3]]
# 獲得每個面的頂點
poly3d = [[verts[vert_id] for vert_id in face] for face in faces]
# print(poly3d)
 
# 繪製頂點
x, y, z = zip(*verts)
ax.scatter(x, y, z)
# 繪製多邊形面
ax.add_collection3d(Poly3DCollection(poly3d, facecolors='w', linewidths=1, alpha=0.3))
# 繪製對變形的邊
ax.add_collection3d(Line3DCollection(poly3d, colors='k', linewidths=0.5, linestyles=':'))
 
 # 設定圖形座標範圍
ax.set_xlabel('X')
ax.set_xlim3d(-0.5, 1.5)
ax.set_ylabel('Y')
ax.set_ylim3d(-0.5, 1.5)
ax.set_zlabel('Z')
ax.set_zlim3d(-0.5, 1.5)
plt.show()

4.2 效果圖

5 三個方向有等高線的3D圖

5.1 原始碼

from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from mpl_toolkits.mplot3d import axes3d
fig = plt.figure()
ax = fig.gca(projection='3d')
X, Y, Z = axes3d.get_test_data(0.05)
ax.plot_surface(X, Y, Z, rstride=8, cstride=8, alpha=0.5,color='b')
cset = ax.contour(X, Y, Z, zdir='z', offset=-100, cmap=cm.coolwarm)
cset = ax.contour(X, Y, Z, zdir='x', offset=-40, cmap=cm.coolwarm)
cset = ax.contour(X, Y, Z, zdir='y', offset=40, cmap=cm.coolwarm)
 
ax.set_xlabel('X')
ax.set_xlim(-40, 40)
ax.set_ylabel('Y')
ax.set_ylim(-40, 40)
ax.set_zlabel('Z')
ax.set_zlim(-100, 100)
plt.show()

5.2 效果圖

6 三維柱狀圖

6.1 原始碼

import random
import matplotlib as mpl
import matplotlib.dates as mdates
from mpl_toolkits.mplot3d import Axes3D
mpl.rcParams['font.size'] = 10
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
for z in [2011, 2012, 2013, 2014]:
    xs = range(1,13)
    ys = 1000 * np.random.rand(12)
    color = plt.cm.Set2(random.choice(range(plt.cm.Set2.N)))
    ax.bar(xs, ys, zs=z, zdir='y', color=color, alpha=0.8)
 
ax.xaxis.set_major_locator(mpl.ticker.FixedLocator(xs))
ax.yaxis.set_major_locator(mpl.ticker.FixedLocator(ys))
ax.set_xlabel('Month')
ax.set_ylabel('Year')
ax.set_zlabel('Sales Net [usd]')
plt.show()

6.2 效果圖

7 補充圖

7.1 原始碼

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
 
n_angles = 36
n_radii = 8
# An array of radii
# Does not include radius r=0, this is to eliminate duplicate points
radii = np.linspace(0.125, 1.0, n_radii)
# An array of angles
angles = np.linspace(0, 2 * np.pi, n_angles, endpoint=False)
# Repeat all angles for each radius
angles = np.repeat(angles[..., np.newaxis], n_radii, axis=1)
# Convert polar (radii, angles) coords to cartesian (x, y) coords
# (0, 0) is added here. There are no duplicate points in the (x, y) plane
x = np.append(0, (radii * np.cos(angles)).flatten())
y = np.append(0, (radii * np.sin(angles)).flatten())
# Pringle surface
z = np.sin(-x * y)
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_trisurf(x, y, z, cmap=cm.jet, linewidth=0.2)
plt.show()