成都网站免费制作_电子采购系统_制作网页需要多少钱_seo网站推广工作内容

Python Matplotlib 经典 3D 绘图类型：从二维到三维的可视化解析

Matplotlib 是 Python 数据可视化的核心工具之一，提供了多种绘图方式，能够满足从简单二维图形到复杂三维图像的需求。本指南全面解析了 Matplotlib 中的经典绘图类型，包括散点图、柱状图、等高线图、图像展示以及三维图形绘制。通过代码示例与运行结果，读者可以快速掌握每种图形的创建方法及其核心参数设置。例如，如何使用散点图展示数据分布，如何通过柱状图比较不同类别的数值，如何利用等高线图表示区域间的高度变化，甚至如何使用三维表面图和等高线展示空间数据。指南还涵盖了颜色映射、自定义标签及透明度控制等技巧，帮助读者提升图形的表现力与美观性。这篇文章既适合初学者入门，也为进阶用户提供了丰富的参考素材，是全面了解 Matplotlib 绘图能力的实用指南。

一 散点图 scatter

def scatter():# 数据大小n = 1024  # 生成 n 个X值，符合标准正态分布X = np.random.normal(0, 1, n)  # 生成 n 个Y值，符合标准正态分布Y = np.random.normal(0, 1, n)  # 根据Y和X的值计算颜色值T = np.arctan2(Y, X)  # 绘制散点图，大小为75，颜色为T，透明度为0.5plt.scatter(X, Y, s=75, c=T, alpha=.5)# 设置x轴的显示范围plt.xlim(-1.5, 1.5)# 不显示x轴刻度plt.xticks(())  # 设置y轴的显示范围plt.ylim(-1.5, 1.5)# 不显示y轴刻度plt.yticks(())# 显示图形plt.show()

运行结果

二 柱状条形图 bar

def bar():n = 12  # 柱状图中的柱子数量X = np.arange(n)  # X轴上的位置# Y 是均匀分布# 生成 Y1 的值，这些值随 X 增大而减小，范围在0.5到1.0之间随机Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)# 生成 Y2 的值，同样是随 X 增大而减小，范围在0.5到1.0之间随机Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)# 绘制 Y1 的正向柱状图，设置面颜色和边缘颜色plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')# 绘制 Y2 的反向柱状图，设置面颜色和边缘颜色plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')# 设置X轴的显示范围plt.xlim(-.5, n)# 不显示X轴刻度plt.xticks(())# 设置Y轴的显示范围plt.ylim(-1.25, 1.25)# 不显示Y轴刻度plt.yticks(())# 在每个柱状图上方添加数值标签for x, y in zip(X, Y1):# 在柱状图上方显示Y值，ha和va分别控制水平和垂直对齐方式plt.text(x + 0.1, y + 0.05, '%.2f' % y, ha='center', va='bottom')# 在每个柱状图下方添加数值标签for x, y in zip(X, Y2):# 在柱状图下方显示Y值，ha和va分别控制水平和垂直对齐方式plt.text(x + 0.1, -y - 0.05, '%.2f' % y, ha='center', va='top')# 显示图表plt.show()

运行结果

三 等高线图 contours

def f(x, y):# 定义一个高度函数，该函数基于给定的x和y坐标计算一个高度值return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)def contours():n = 256  # 设置网格点的数量x = np.linspace(-3, 3, n)  # 在-3到3之间生成n个x坐标点y = np.linspace(-3, 3, n)  # 在-3到3之间生成n个y坐标点X, Y = np.meshgrid(x, y)  # 生成网格点坐标的矩阵# 使用plt.contourf创建填充的等高线图# X, Y为网格点坐标，f(X, Y)计算每个点对应的高度值plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)# 创建等高线，设置等高线数量为8，颜色为黑色，线宽为0.5C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidths=.5)# 在等高线上标注高度值，设置字体大小为10plt.clabel(C, inline=True, fontsize=10)# 不显示x轴刻度plt.xticks(())# 不显示y轴刻度plt.yticks(())# 显示图形plt.show()

代码释义

plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)

• X, Y：这两个参数是通过 np.meshgrid 生成的网格点坐标矩阵。X 和 Y 的每一个组合对应于二维空间中的一个点。
• f(X, Y)：这是等高线图中显示的高度（或其他物理量）的计算结果。f 是一个函数，根据 X 和 Y 的值计算出每一点的值。在这种情况下，f 定义了一个复杂的表面，通过计算表达式 (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2) 来获取每个点的高度。
• 8：这个数字表示等高线的级数，即图中将显示的不同高度的区域数量。数字越大，等高线之间的区分越细致，图形越精细。
• alpha=.75：这是透明度参数，范围从0（完全透明）到1（完全不透明）。在这里设置为0.75，使得图形具有一定的透明度，可以帮助视觉上区分重叠或靠近的部分。
• cmap=plt.cm.hot：cmap 参数指定了色彩映射表，用于根据高度值为等高线填充颜色。plt.cm.hot 是一种颜色映射，通常用暖色调表示更高的值，颜色从黑色开始，逐渐过渡到红色、黄色和白色。这种色彩映射对于表示温度或类似的高低变化非常有效。

运行结果

四 图片 image

def images():# 创建一个 3x3 的矩阵，用于表示图像数据a = np.array([0.313660827978, 0.365348418405, 0.423733120134,0.365348418405, 0.439599930621, 0.525083754405,0.423733120134, 0.525083754405, 0.651536351379]).reshape(3, 3)# 使用plt.imshow显示这个矩阵，颜色映射使用'bone'，并设置原点为图像的左下角# interpolation_methodsplt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')# 添加颜色条，并设置压缩比例为0.92以更好地适配显示plt.colorbar(shrink=.92)# 不显示x轴刻度plt.xticks(())# 不显示y轴刻度plt.yticks(())# 显示图形plt.show()

运行结果

五 3D 图像

def data_3d():# 创建一个新的图形fig = plt.figure()# 创建一个3D坐标系，不自动添加到图形中（处理了更新的matplotlib用法）ax = Axes3D(fig, auto_add_to_figure=False)# 手动将坐标系添加到图形中fig.add_axes(ax)# 生成X和Y数据，范围从-4到4，步长为0.25X = np.arange(-4, 4, 0.25)Y = np.arange(-4, 4, 0.25)# 生成网格数据，用于3D图形的基础X, Y = np.meshgrid(X, Y)# 计算R，作为X和Y的函数，用于生成高度数据ZR = np.sqrt(X ** 2 + Y ** 2)# 计算Z值，使用正弦函数模拟高度变化Z = np.sin(R)# 绘制3D表面图，设置行和列的步长，颜色映射使用彩虹色ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))# 绘制Z方向的等高线图，将等高线设置在Z=-2的位置，使用彩虹色ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))# 设置Z轴的显示范围ax.set_zlim(-2, 2)# 显示图形plt.show()

运行结果

六 完整代码示例

# This is a sample Python script.# Press ⌃R to execute it or replace it with your code.
# Press Double ⇧ to search everywhere for classes, files, tool windows, actions, and settings.
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3Ddef scatter():# 数据大小n = 1024# 生成 n 个X值，符合标准正态分布X = np.random.normal(0, 1, n)# 生成 n 个Y值，符合标准正态分布Y = np.random.normal(0, 1, n)# 根据Y和X的值计算颜色值T = np.arctan2(Y, X)# 绘制散点图，大小为75，颜色为T，透明度为0.5plt.scatter(X, Y, s=75, c=T, alpha=.5)# 设置x轴的显示范围plt.xlim(-1.5, 1.5)# 不显示x轴刻度plt.xticks(())# 设置y轴的显示范围plt.ylim(-1.5, 1.5)# 不显示y轴刻度plt.yticks(())# 显示图形plt.show()def bar():n = 12  # 柱状图中的柱子数量X = np.arange(n)  # X轴上的位置print(X)# 生成 Y1 的值，这些值随 X 增大而减小，范围在0.5到1.0之间随机Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)# 生成 Y2 的值，同样是随 X 增大而减小，范围在0.5到1.0之间随机Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)# 绘制 Y1 的正向柱状图，设置面颜色和边缘颜色plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')# 绘制 Y2 的反向柱状图，设置面颜色和边缘颜色plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')# 设置X轴的显示范围plt.xlim(-.5, n)# 不显示X轴刻度plt.xticks(())# 设置Y轴的显示范围plt.ylim(-1.25, 1.25)# 不显示Y轴刻度plt.yticks(())# 在每个柱状图上方添加数值标签for x, y in zip(X, Y1):# 在柱状图上方显示Y值，ha和va分别控制水平和垂直对齐方式plt.text(x + 0.1, y + 0.05, '%.2f' % y, ha='center', va='bottom')# 在每个柱状图下方添加数值标签for x, y in zip(X, Y2):# 在柱状图下方显示Y值，ha和va分别控制水平和垂直对齐方式plt.text(x + 0.1, -y - 0.05, '%.2f' % y, ha='center', va='top')# 显示图表plt.show()def f(x, y):# 定义一个高度函数，该函数基于给定的x和y坐标计算一个高度值return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)def contours():n = 256  # 设置网格点的数量x = np.linspace(-3, 3, n)  # 在-3到3之间生成n个x坐标点y = np.linspace(-3, 3, n)  # 在-3到3之间生成n个y坐标点X, Y = np.meshgrid(x, y)  # 生成网格点坐标的矩阵# 使用plt.contourf创建填充的等高线图# X, Y为网格点坐标，f(X, Y)计算每个点对应的高度值plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)# 创建等高线，设置等高线数量为8，颜色为黑色，线宽为0.5C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidths=.5)# 在等高线上标注高度值，设置字体大小为10plt.clabel(C, inline=True, fontsize=10)# 不显示x轴刻度plt.xticks(())# 不显示y轴刻度plt.yticks(())# 显示图形plt.show()def images():# 创建一个 3x3 的矩阵，用于表示图像数据a = np.array([0.313660827978, 0.365348418405, 0.423733120134,0.365348418405, 0.439599930621, 0.525083754405,0.423733120134, 0.525083754405, 0.651536351379]).reshape(3, 3)# 使用plt.imshow显示这个矩阵，颜色映射使用'bone'，并设置原点为图像的左下角plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')# 添加颜色条，并设置压缩比例为0.92以更好地适配显示plt.colorbar(shrink=.92)# 不显示x轴刻度plt.xticks(())# 不显示y轴刻度plt.yticks(())# 显示图形plt.show()def data_3d():# 创建一个新的图形fig = plt.figure()# 创建一个3D坐标系，不自动添加到图形中（处理了更新的matplotlib用法）ax = Axes3D(fig, auto_add_to_figure=False)# 手动将坐标系添加到图形中fig.add_axes(ax)# 生成X和Y数据，范围从-4到4，步长为0.25X = np.arange(-4, 4, 0.25)Y = np.arange(-4, 4, 0.25)# 生成网格数据，用于3D图形的基础X, Y = np.meshgrid(X, Y)# 计算R，作为X和Y的函数，用于生成高度数据ZR = np.sqrt(X ** 2 + Y ** 2)# 计算Z值，使用正弦函数模拟高度变化Z = np.sin(R)# 绘制3D表面图，设置行和列的步长，颜色映射使用彩虹色ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))# 绘制Z方向的等高线图，将等高线设置在Z=-2的位置，使用彩虹色ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))# 设置Z轴的显示范围ax.set_zlim(-2, 2)# 显示图形plt.show()def print_hi(name):# Use a breakpoint in the code line below to debug your script.print(f'Hi, {name}')  # Press ⌘F8 to toggle the breakpoint.# 散点图 Scatterscatter()# 柱状条形图bar()# 等高线图 Contourscontours()# 图片 Imageimages()# 3D 图像data_3d()# Press the green button in the gutter to run the script.
if __name__ == '__main__':print_hi('绘图种类')# See PyCharm help at https://www.jetbrains.com/help/pycharm/

复制粘贴并覆盖到你的 main.py 中运行，运行结果如下。

Hi, 绘图种类
[ 0  1  2  3  4  5  6  7  8  9 10 11]

七 源码地址

代码地址：

国内看 Gitee 之 matplotlib/绘图种类.py

国外看 GitHub 之 matplotlib/绘图种类.py

八 参考

[1] Matplotlib 官网

[2] 莫烦 python

[3] 百度百科 正态分布

[4] 百度百科 均匀分布

[5] Matplotlib interpolation methods

[6] 百度百科 最近邻插值法