一、课堂导入
在之前的学习中我们学习了制作二维的平面图形，除了二维图形外还可制作3D立体图展示信息。
二、3D图形
1.概念
3D图形在数据分析、数据建模、图形和图像处理等领域中 都有着广泛的应用，
包括3D散点图、3D表面图、3D柱状图、 3D网状图、3D曲线图等。
2.绘图库-Matplotlib
Matplotlib 是 Python 的 2D绘图库，就像Pyecharts一样，可绘制 折线图、条形图、饼图、散点图等。
matplotlab.pyplot是用来绘图的子库，一般matplotlib.pyplot 设置为plt，调用更加方便。
案例1：
import matplotlib.pyplot as plt #导入数据 plt.plot([1,2,3,4]) #显示模块中的所有绘图对象 plt.show()
结果：是一条递增的直线，为什么呢？
如果只传入一个list给plot()，它会认为这是y的值， 并自动生成x的值，又由于python计数以0开始，x 的长度与y一致，所以x的值为[0,1,2,3]。
案例2：
import matplotlib.pyplot as plt plt.plot([1,2,3],[5,7,4]) plt.show()
说明：plot需要许多参数，但前两个是‘x‘和‘y‘坐标，我们放入列表。 这意味着，根据这些列表我们拥有 3 个坐标：1,5 2,7和3,4。
此时我们会发现我们需要大量数据，但是在列表中逐个输入参数效率太低，这时我们用numpy生成数组， 生成大批量的数据，快速满足需求。
3.Numpy
3.1 什么是数组
数组是在程序设计中，为了处理方便， 把具有相同类型的元素存储起来的集合。
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。
3.2 Numpy使用
import numpy as np # 1.array()函数创建数组 n = np.array([1, 2, 3, 4]) # 2.zeros()：创建全为0的数组，数组元素默认值是0. n1 = np.zeros(10) # 使用zeros函数创建一个全为0的10行10列数组。 n2 = np.zeros((10, 10)) # 按照n2创建一个数组 n3= np.zeros_like(n2) # 3.ones()：创建全为1的数组，所有元素都为1的数组 n4 = np.ones(10) # 使用ones函数创建一个全是1的形状为（3, 3）的2维数组 n5 = np.ones((3, 3)) # 按照n5创建一个数组 n6 = np.ones_like(n5) # 4.arange()创建的NumPy数组，使用Numpy中类似于range的函数arange # 产生0-9共10个元素的数组 n7 = np.arange(10) #产生从10-19共10个元素的数组 n8 = np.arange(10, 20) #产生10 12 14 16 18, 2为step间隔为2的数组 n9 = np.arange(10, 20, 2) # 5.empty() 创建空数组，填入任意值作为初始值 n10 = np.empty(5) n10.fill(6.1) # 6.random模块创建随机数组 n11 = np.random.randint(5) # random.randint()：用于创建随机整数数组。 # 使用random.randint函数创建一个取值由0到10之间的5个整数组成的一维数组。 n12 = np.random.randint(0,10,5)
三、制作3D坐标轴图形
制作3D 图形时，我们需要使用matplotlib中的一个工具包（toolkits），mpl_toolkits.mplot3d是 可绘制三维图形的工具包，提供了基本的3D绘图功能，
支持的图表类型包括散点图、曲面图、网格图等，如果要为图表指定3D视图，要用Axes3D设置坐标轴。
1.3D坐标轴
通过我们的简单介绍，接下来我们将开始完成本节课3D图形的基本工作。
# 导入绘图用的模块 import matplotlib.pyplot as plt # 画三维图的工具包mpl_toolkits.mplot3d # Axes3D是mpl_toolkits.mplot3d中的一个绘图函数 from mpl_toolkits.mplot3d import Axes3D # 建立画布，生成数据 fig=plt.figure() #创建一个Axes对象,将二维转换为三维(有3D坐标) ax=Axes3D(fig) #显示图形 plt.show()
2. 3D散点图
2.1 简单散点图
# 1.简单三维散点图
# 导入numpy 库
import numpy as np
# 导入matplotlib库
import matplotlib.pyplot as plt
# # 画三维图的工具包mpl_toolkits.mplot3d
# # Axes3D是mpl_toolkits.mplot3d中的一个绘图函数
from mpl_toolkits.mplot3d import Axes3D
# 使用random.randint函数创建一个取值由0到24之间的20个整数组成的一维数组。
x = np.random.randint(0,24,20)
y = np.random.randint(0,24,20)
z = np.random.randint(0,24,20)
# 创建一个绘图对象
fig = plt.figure()
#二维转换为三维
ax = Axes3D(fig)
#设置标题
ax.set_title(‘Scatter Plot‘)
#修改颜色c及marker标记号".",",","o","v","^","<","1","8","p"
# c:色彩（b-blue,c-cyan,g-green,k-black,m-magenta,r-red,w-white,y-yellow)
# marker:方位形状
# 点，像素，圆形，倒三角，正三角，左三角，tri_down,八角形，五星
ax.scatter(x, y, z,c = "r", marker=("2"))
# 添加坐标轴(顺序是Z, Y, X)或不添加
ax.set_zlabel(‘Z‘)
ax.set_ylabel(‘Y‘)
ax.set_xlabel(‘X‘)
plt.show()
2.2 复杂的散点图
# 导入需要的库
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# 绘制3维的散点图
# # 使用random.randint函数创建一个取值由-到-之间的20个整数组成的一维数组。
x = np.random.randint(0,10,20)
y = np.random.randint(-20,20,20)
z = np.random.randint(0,30,20)
x1= np.random.randint(5,15,20)
y1= np.random.randint(0,20,20)
z1= np.random.randint(10,30,20)
# 创建一个绘图对象
fig = plt.figure()
#二维转换为三维
axes3d = Axes3D(fig)
axes3d.scatter(x, y, z,c = "r" ,marker=("*"))
axes3d.scatter(x1, y1, z1,c = "r" ,marker=("*"))
plt.show()
四、总结
# 1. matplotlab.pyplot是用用来绘图的子库，一般matplotlib.pyplot 设置为plt # 2.在绘图时，往往需要大批量的数据，在列表中逐个输入参数效率太低， 这时我们用numpy生成数组，生成大批量的数据，快速满足需求。 # 3.数组是在程序设计中，为了处理方便， 把具有相同类型的元素 存储起来的集合。
原文地址：https://www.cnblogs.com/xiaoxiao-ya/p/12559693.html