快捷導(dǎo)航

Python使用Matplotlib繪制三維散點圖詳解流程

更新時間：2022年11月16日 11:03:06 作者：std7879

matplotlib是基建立在python之上，適用于創(chuàng)建靜態(tài)，動畫和交互式可視化，通常與數(shù)據(jù)分析模塊pandas搭配使用，用于數(shù)據(jù)的分析和展示，適用于主流的操作系統(tǒng)，如Linux、Win、Mac

什么是Matplotlib？

Matplotlib是Python中的一個庫，用于創(chuàng)建靜態(tài)和動態(tài)動畫，并使用其內(nèi)置函數(shù)繪制。它有很多內(nèi)置特性和內(nèi)置分析工具，用于分析任何圖形或圖表。

如果我們想繪制任何三維圖形，那么我們可以使用Matplotlib庫。當我們有一個巨大的三維變量數(shù)據(jù)集，我們繪制它的圖形時，它看起來非常分散，這被稱為3D散點圖。我們將使用Matplotlib的matplot3d工具包繪制三維圖形。

有一把斧頭。函數(shù)，它接受坐標X、Y和Z的數(shù)據(jù)集。

根據(jù)我們想要賦予三維圖的屬性，需要更多的論證。

首次創(chuàng)建Matplotlib時，只考慮二維繪圖。大約在1.0版本發(fā)布時，通過在Matplotlib的二維顯示器上分層一些三維圖表工具，創(chuàng)建了一個實用的（盡管相當有限）三維數(shù)據(jù)可視化工具集。通過導(dǎo)入mplot3d工具包（它是基本Matplotlib安裝的一部分），三維圖表成為可能。

最簡單的三維圖是由（x，y，z）三元組的線或簇組成的散點圖。這些可以用斧頭生產(chǎn)。plot3D和ax。scatter3D函數(shù)，很像之前呈現(xiàn)的更典型的二維圖表。它們的呼叫特征與二維對應(yīng)物非常相似。

為了在頁面上創(chuàng)建深度錯覺，散射點的透明度已經(jīng)改變。

示例1：

# importing the necessary libraries  
import numpy as np  
import matplotlib.pyplot as plt  
from mpl_toolkits import mplot3d  
# generating  random dataset  
z = np.random.randint(80, size =(55))  
x = np.random.randint(60, size =(55))  
y = np.random.randint(64, size =(55))  
# Creating figures for the plot  
fig = plt.figure(figsize = (10, 7))  
ax = plt.axes(projection ="3d")  
# Creating a plot using the random datasets   
ax.scatter3D(x, y, z, color = "red")  
plt.title("3D scatter plot")  
# display the  plot  
plt.show()

輸出：

解釋：

在上面的示例中，我們使用ax創(chuàng)建了三維繪圖。scatter（）函數(shù)。我們最初已經(jīng)導(dǎo)入了所需的所有庫，如numpy、matplotlib和mpl_toolkits。然后，我們使用randInt（）函數(shù)創(chuàng)建了隨機數(shù)的x、y和z坐標的數(shù)據(jù)集。在那之后，我們使用了斧頭。scatter3D（）函數(shù)，并輸入x、y和z坐標，我們?yōu)辄c取紅色。最后，我們使用show（）函數(shù)顯示繪圖。

示例2：

# importing the necessary libraries  
from mpl_toolkits import mplot3d  
import matplotlib.pyplot as plt  
import numpy as np  
# Creating random dataset  
z = 4 * np.tan(np.random.randint(10, size =(500))) + np.random.randint(100, size =(500))  
x = 4 * np.cos(z) + np.random.normal(size = 500)  
y = 4 * np.sin(z) + 4 * np.random.normal(size = 500)  
# Creating figure  
fig = plt.figure(figsize = (16, 12))  
ax = plt.axes(projection ="3d")  
# Add x, and y gridlines for the figure  
ax.grid(b = True, color ='blue',linestyle ='-.', linewidth = 0.5,alpha = 0.3)  
# Creating the color map for the plot  
my_cmap = plt.get_cmap('hsv')  
# Creating the 3D plot  
sctt = ax.scatter3D(x, y, z,alpha = 0.8,c = (x + y + z),cmap = my_cmap,marker ='^')  
plt.title("3D scatter plot in Python")  
ax.set_xlabel('X-axis', fontweight ='bold')  
ax.set_ylabel('Y-axis', fontweight ='bold')  
ax.set_zlabel('Z-axis', fontweight ='bold')  
fig.colorbar(sctt, ax = ax, shrink = 0.6, aspect = 5)  
# display the plot  
plt.show()

輸出：