【深度学习】 Python 和 NumPy 系列教程（十九）：Matplotlib详解：2、3d绘图类型（5）3D等高线图（3D Contour Plot）

2024-07-29 21:23:36 浏览数 (2)

一、前言

Python是一种高级编程语言，由Guido van Rossum于1991年创建。它以简洁、易读的语法而闻名，并且具有强大的功能和广泛的应用领域。Python具有丰富的标准库和第三方库，可以用于开发各种类型的应用程序，包括Web开发、数据分析、人工智能、科学计算、自动化脚本等。

Python本身是一种伟大的通用编程语言，在一些流行的库（numpy，scipy，matplotlib）的帮助下，成为了科学计算的强大环境。本系列将介绍Python编程语言和使用Python进行科学计算的方法，主要包含以下内容：

  • Python：基本数据类型、容器（列表、元组、集合、字典）、函数、类
  • Numpy：数组创建、数组操作、数组数学、广播
  • Matplotlib：2d绘图、3d绘图、图表自定义、多子图和布局、图表自定义、多子图和布局
  • IPython：创建笔记本、典型工作流程

二、实验环境

matplotlib

3.5.3

numpy

1.21.6

python

3.7.16

  • 运行下述命令检查Python版本
代码语言：javascript复制
 python --version
  • 运行下述代码检查Python、NumPy、Matplotlib版本
代码语言：javascript复制
import sys
import numpy as np
import matplotlib

print("Python 版本:", sys.version)
print("NumPy 版本:", np.__version__)
print("matplotlib 版本:", matplotlib.__version__)

三、Matplotlib详解

Matplotlib是一个用于创建数据可视化的Python库。它提供了广泛的绘图选项，能够生成各种类型的图表、图形和可视化效果。下面是Matplotlib的一些主要功能：

  1. 绘图风格和类型：Matplotlib支持各种绘图风格和类型，包括线图、散点图、柱状图、饼图、等高线图、3D图等，可以根据需要选择适合的图表类型来展示和分析数据。
  2. 数据可视化：Matplotlib使得将数据转化为可视化表示变得简单，可以使用Matplotlib绘制图表来展示数据的分布、趋势、关系等，这有助于更好地理解数据和发现潜在的模式和关联。
  3. 图表自定义：Matplotlib提供了丰富的图表自定义选项，可以调整图表的标题、标签、坐标轴、线条样式、颜色等。这使得您能够创建符合特定需求和品味的高质量图表。
  4. 多子图和布局：Matplotlib允许您在单个图像中创建多个子图，以便同时展示多个相关的图表或数据视图。您可以自定义子图的布局和排列，以满足特定的展示需求。
  5. 导出图像：Matplotlib支持将图像导出为多种格式，包括PNG、JPEG、PDF、SVG等。这使得您可以方便地将生成的图表保存为文件，或嵌入到文档、报告和演示文稿中。

无论是进行科学研究、数据分析、报告撰写还是可视化展示，Matplotlib都是一个强大而灵活的工具。它广泛应用于各个领域，如数据科学、机器学习、金融分析、工程可视化等。

1、2d绘图类型

2d绘图（上）：折线图、散点图、柱状图、直方图、饼图_QomolangmaH的博客-CSDN博客

https://blog.csdn.net/m0_63834988/article/details/132872575?spm=1001.2014.3001.5501

2d绘图（下）：箱线图、热力图、面积图、等高线图、极坐标图_QomolangmaH的博客-CSDN博客

https://blog.csdn.net/m0_63834988/article/details/132890656?spm=1001.2014.3001.5501

2、3d绘图类型

0. 设置中文字体
代码语言：javascript复制
import matplotlib

matplotlib.rcParams['font.family'] = 'Microsoft YaHei'  # 设置为微软雅黑字体
matplotlib.rcParams['font.sans-serif'] = ['SimHei']     # 设置中文字体为黑体

若不进行该设置，会报错字体缺失

1. 3D线框图（3D Line Plot）

3d绘图类型（1）：线框图（Wireframe Plot）_QomolangmaH的博客-CSDN博客

https://blog.csdn.net/m0_63834988/article/details/132890293?spm=1001.2014.3001.5501

2. 3D散点图（3D Scatter Plot）

3d绘图类型（2）3D散点图（3D Scatter Plot）_QomolangmaH的博客-CSDN博客

https://blog.csdn.net/m0_63834988/article/details/132891434?spm=1001.2014.3001.5501

3. 3D条形图（3D Bar Plot）

3d绘图类型（3）3D条形图（3D Bar Plot）_QomolangmaH的博客-CSDN博客

https://blog.csdn.net/m0_63834988/article/details/132890907?spm=1001.2014.3001.5502

4. 3D曲面图（3D Surface Plot）

3d绘图类型（4）3D曲面图（3D Surface Plot）_QomolangmaH的博客-CSDN博客

https://blog.csdn.net/m0_63834988/article/details/132891652?spm=1001.2014.3001.5501

5. 3D等高线图（3D Contour Plot）
代码语言：javascript复制
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
x = np.linspace(-5, 5, 100)  # x轴数据范围
y = np.linspace(-5, 5, 100)  # y轴数据范围
x_mesh, y_mesh = np.meshgrid(x, y)  # 创建网格
z = np.sin(np.sqrt(x_mesh**2   y_mesh**2))  # 曲面高度

# 创建3D图形对象
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制3D等高线图
ax.contour3D(x_mesh, y_mesh, z, 50, cmap='viridis')

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示图形
plt.show()
  • x和y数组分别表示等高线图的x和y轴数据范围。通过使用np.linspace函数在指定范围内生成100个均匀分布的数据点。
  • 创建了一个3D图形对象，并将其添加到子图中。
  • 使用ax.contour3D函数绘制了3D等高线图。
    • x_mesh、y_mesh和z参数分别表示等高线图的x、y和z坐标数据。
    • 50参数表示等高线图的轮廓线数量（可以根据需要调整）。
    • cmap='viridis'参数指定了颜色映射方案。
  • 使用ax.set_xlabel、ax.set_ylabel和ax.set_zlabel函数设置了坐标轴的标签。
  • 运行示例代码后，将看到一个3D等高线图，其中等高线的位置和形状由z数组确定。
python 深度学习 contour plot 教程

0 人点赞