使用 Matplotlib 在 Python 中进行三维绘图
3D 图是可视化具有三个维度的数据（例如具有两个因变量和一个自变量的数据）的非常重要的工具。通过在 3D 图中绘制数据，我们可以更深入地了解具有三个变量的数据。我们可以使用各种 matplotlib 库函数来绘制 3D 绘图。
使用 Matplotlib 进行三维绘图的示例
我们首先使用Matplotlib库绘制 3D 轴。为了绘制 3D 轴，我们只需将plt.axes()的投影参数从 None 更改为 3D。
代码语言：javascript复制import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax = plt.axes(projection='3d')输出：
使用 matplotlib 绘制 3D 轴
使用上述语法，启用三维轴，并且可以在 3 个维度上绘制数据。3 维图提供了一种动态方法，使数据更具交互性。与 2-D 图一样，我们可以使用不同的方式来表示来绘制 3-D 图。我们可以制作散点图、等高线图、曲面图等。让我们看看不同的 3-D 图。 由线和点组成的图是最简单的 3 维图。我们将使用ax.plot3d 和ax.scatter函数分别绘制线图和点图。
使用 Matplotlib绘制 3 维线图
为了绘制 3 维线图，我们将使用 mpl_toolkits 库中的 mplot3d 函数。为了在 3D 中绘制直线，我们必须为直线方程初始化三个变量点。在我们的例子中，我们将定义三个变量x、y 和 z。
代码语言：javascript复制# importing mplot3d toolkits, numpy and matplotlib
from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
# syntax for 3-D projection
ax = plt.axes(projection ='3d')
# defining all 3 axis
z = np.linspace(0, 1, 100)
x = z * np.sin(25 * z)
y = z * np.cos(25 * z)
# plotting
ax.plot3D(x, y, z, 'green')
ax.set_title('3D line plot geeks for geeks')
plt.show()输出：
使用 matplotlib 库绘制 3D 线图
使用 Matplotlib 绘制 3 维散点图
要使用散点绘制相同的图形，我们将使用matplotlib 中的scatter()函数。它将使用不同的点绘制相同的直线方程。
代码语言：javascript复制# importing mplot3d toolkits
from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
# syntax for 3-D projection
ax = plt.axes(projection ='3d')
# defining axes
z = np.linspace(0, 1, 100)
x = z * np.sin(25 * z)
y = z * np.cos(25 * z)
c = x y
ax.scatter(x, y, z, c = c)
# syntax for plotting
ax.set_title('3d Scatter plot geeks for geeks')
plt.show()输出：
使用 Matplotlib 库绘制 3D 点图
使用 Matplotlib 库绘制曲面图
曲面图和线框图适用于网格数据。他们获取网格值并将其绘制在三维表面上。我们将使用plot_surface()函数来绘制曲面图。
代码语言：javascript复制# importing libraries
from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
# defining surface and axes
x = np.outer(np.linspace(-2, 2, 10), np.ones(10))
y = x.copy().T
z = np.cos(x ** 2 y ** 3)
fig = plt.figure()
# syntax for 3-D plotting
ax = plt.axes(projection='3d')
# syntax for plotting
ax.plot_surface(x, y, z, cmap='viridis',
edgecolor='green')
ax.set_title('Surface plot geeks for geeks')
plt.show()输出：
使用 matplotlib 库绘制曲面图
使用 Matplotlib 库绘制线框图
为了绘制线框图，我们将使用matplotlib 库中的plot_wireframe()函数。
代码语言：javascript复制from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
# function for z axis
def f(x, y):
return np.sin(np.sqrt(x ** 2 y ** 2))
# x and y axis
x = np.linspace(-1, 5, 10)
y = np.linspace(-1, 5, 10)
X, Y = np.meshgrid(x, y)
Z = f(X, Y)
fig = plt.figure()
ax = plt.axes(projection ='3d')
ax.plot_wireframe(X, Y, Z, color ='green')
ax.set_title('wireframe geeks for geeks');输出：
使用 matplotlib 库的 3D 线框图
使用 Matplotlib 库绘制等高线图
等值线图采用二维规则网格中的所有输入数据，并在每个点评估 Z 数据。我们使用 ax.contour3D 函数来绘制等高线图。等高线图是可视化优化图的绝佳方法。
代码语言：javascript复制def function(x, y):
return np.sin(np.sqrt(x ** 2 y ** 2))
x = np.linspace(-10, 10, 40)
y = np.linspace(-10, 10, 40)
X, Y = np.meshgrid(x, y)
Z = function(X, Y)
fig = plt.figure(figsize=(10, 8))
ax = plt.axes(projection='3d')
ax.plot_surface(X, Y, Z, cmap='cool', alpha=0.8)
ax.set_title('3D Contour Plot of function(x, y) =
sin(sqrt(x^2 y^2))', fontsize=14)
ax.set_xlabel('x', fontsize=12)
ax.set_ylabel('y', fontsize=12)
ax.set_zlabel('z', fontsize=12)
plt.show()输出：
使用 matplotlib 绘制函数的 3D 等高线图
在 Python 中绘制曲面三角剖分
上图有时过于受限且不方便。因此，通过这种方法，我们使用一组随机抽签。函数ax.plot_trisurf 用于绘制该图。虽然不是那么明确，但是更加灵活。
代码语言：javascript复制import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib.tri import Triangulation
def f(x, y):
return np.sin(np.sqrt(x ** 2 y ** 2))
x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)
X, Y = np.meshgrid(x, y)
Z = f(X, Y)
tri = Triangulation(X.ravel(), Y.ravel())
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')
ax.plot_trisurf(tri, Z.ravel(), cmap='cool', edgecolor='none', alpha=0.8)
ax.set_title('Surface Triangulation Plot of f(x, y) =
sin(sqrt(x^2 y^2))', fontsize=14)
ax.set_xlabel('x', fontsize=12)
ax.set_ylabel('y', fontsize=12)
ax.set_zlabel('z', fontsize=12)
plt.show()输出：
使用 matplotlib 绘制等高线图的表面三角测量图
在Python中绘制莫比乌斯带
莫比乌斯带也称为扭曲圆柱体，是一种没有边界的单面表面。要创建莫比乌斯带，请考虑其参数化，它是一个二维带，我们需要两个内在维度。其围绕环的角度范围为 0 到 2 个扇形，宽度范围为 -1 到 1。
代码语言：javascript复制import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Define the parameters of the Möbius strip
R = 2
# Define the Möbius strip surface
u = np.linspace(0, 2*np.pi, 100)
v = np.linspace(-1, 1, 100)
u, v = np.meshgrid(u, v)
x = (R v*np.cos(u/2)) * np.cos(u)
y = (R v*np.cos(u/2)) * np.sin(u)
z = v * np.sin(u/2)
# Create the plot
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
# Plot the Möbius strip surface
ax.plot_surface(x, y, z, alpha=0.5)
# Set plot properties
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('Möbius Strip')
# Set the limits of the plot
ax.set_xlim([-3, 3])
ax.set_ylim([-3, 3])
ax.set_zlim([-3, 3])
# Show the plot
plt.show()输出：
使用 matplotlib 库的莫比乌斯带图
