盘一盘 Python 系列 - Matplotlib 3D 图

本文含 2648 字，20 图表截屏

建议阅读 15 分钟

引言

本文是 Python 系列的 Matplotlib 补充篇。整套 Python 盘一盘系列目录如下：

Python 入门篇 (上)
Python 入门篇 (下)
数组计算之 NumPy (上)
数组计算之 NumPy (下)
科学计算之 SciPy (上)
科学计算之 SciPy (下)
数据结构之 Pandas (上)
数据结构之 Pandas (下)
基本可视化之 Matplotlib
统计可视化之 Seaborn
炫酷可视化之 PyEcharts
交互可视化之 Cufflinks (上)
交互可视化之 Cufflinks (下)
机器学习之 Sklearn
机学可视化之 Scikit-Plot
深度学习之 Keras (上)
深度学习之 Keras (中)
深度学习之 Keras (下)

Matplotlib 最初在设计时仅考虑了二维绘图。但在其 1.0 版本后，一些构建在二维绘图基础上的三维绘图也可以使用了。要画三维(立体) 图，首先导入 mplot3d 工具包。

代码语言：javascript复制

from mpl_toolkits import mplot3d

一旦 mplot3d 工具包被导入，创建立体图有两种方式：

用 fig = plt.figure()和 ax = mplot3d.Axes3D(fig)
用 fig = plt.figure()和 ax = plt.axes(projection='3d')

第二种方式更简单些。如果要同时生成图和坐标系，还可用以下语句：

fig, ax = plt.subplots(1, 1,

subplot_kw={'projection':'3d'})

三种生成立体图的方式是等价的，生成的图如下所示。

本帖只介绍三种类型的 3D 图，它们在量化金融中最常用的，分别是

线框图 (wide frame)
曲面图 (surface)
条形图 (bar)

线框图

画线框图和曲面图数据都使用外汇波动率数据，首先用 Pandas 从 excel 读取数据，该波动率平面有 10 个期限和 5 个价位。

代码语言：javascript复制

FX_vol = pd.read_csv( 'FX Volatility.csv', index_col=0 )
FX_vol

画立体图首先用 np.meshgrid() 函数创建 (x, y) 平面的网格 X 和 Y，它们的形状都是 (10, 4)。

线框图采用值网格并将其投影到指定的三维表面上，用 plot_wireframe() 函数来实现，其参数 X, Y, Z 对应的每个点 (x, y, z) 可当成坐标画在立体图中。

曲面图

曲面图类似于线框图，把线框包围的多边形填充成面。用 plot_surface() 函数来实现，代码和上面几乎一样，参数 color 和 edgecolor 分别控制面和边的颜色。

还可设定参数 cmap 填充渐变色，并在图旁附上颜色条。

继续追求完美。

波动率平面是由不同期限上的波动率曲线组成的，了解金融市场数据的读者应该对波动率微笑(volatility smile) 这个词不陌生，“微笑”是固定某个期限观察曲线沿着价位维度呈现的形状。在立体图中添加折线用 plot3D() 函数来实现，由于在 3D 空间画 2D 折线，那么也需要传入xs, ys, zs 三个参数。如下面代码第 6 和 7 行所示，在一个 for 循环中，固定期限维度 ys 不断添加折线 (xs, zs)，即沿着价位维度 xs 的波动率值 zs。

虽然上图的视角不错，但有时默认的视角不是最好的，通过

view_init(elev, azim)

函数可以调整角度，其中参数 elev 值是水平面 (z = 0) 的仰角度 (elevation angle)，参数 azim 值是 (x, y) 坐标系的方位角度 (azimuth angle)。下图给出了参数为 (0, 0)、(0, 90) 和 (90, 0) 的视图。

代码语言：javascript复制

fig, ax = plt.subplots(1,3, figsize=(16,6), subplot_kw={'projection':'3d'})
ax[0].view_init(0,0)
ax[0].set( title='elev=0, azim=0', xlabel='X', ylabel='Y', zlabel='Z' )
ax[1].view_init(0,90)
ax[1].set( title='elev=0, azim=90', xlabel='X', ylabel='Y', zlabel='Z' )
ax[2].view_init(90,0)
ax[2].set( title='elev=90, azim=0', xlabel='X', ylabel='Y', zlabel='Z' )
plt.show()