回顾

在走进Matplotlib世界（十）中，我们介绍了Matplotlib中的几个3D图表，包括3D线状图、3D散点图、线框图、曲面图和三角形曲面图的基本用法。今天我们介绍一下剩下的几个3D图表：3D等高线图，3D填充等高线图、多边形图、3D柱状图和3D箭图。

3D等高线图

Matplotlib中使用Axes3D的contour()方法绘制等高线图。contour()方法的常用参数及意义如下。

x，y，z：作为数据值作为一维数组。

extend3d：是否在3d中扩展轮廓（默认值：False）。

stride：用于延伸轮廓的步幅（步幅大小）。

zdir：要使用的方向：x、y或z（默认）。

offset：偏移。如果指定了偏移，则在垂直于Zdir的平面上绘制该位置上轮廓线的投影。

基本用法如下。?

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
from matplotlib import cm
fig = plt.figure(figsize=(17, 5))
ax1 = fig.add_subplot(131, projection='3d')
X, Y, Z = axes3d.get_test_data(0.05)
cset = ax1.contour(X, Y, Z, cmap=cm.coolwarm)
ax1.clabel(cset, fontsize=9, inline=1)
ax2 = fig.add_subplot(132, projection='3d')
X, Y, Z = axes3d.get_test_data(0.05)
cset = ax2.contour(X, Y, Z, extend3d=True, cmap=cm.coolwarm)
ax2.clabel(cset, fontsize=9, inline=1)
ax3 = fig.add_subplot(133, projection='3d')
X, Y, Z = axes3d.get_test_data(0.05)
ax3.plot_surface(X, Y, Z, rstride=8, cstride=8, alpha=0.3)
cset = ax3.contour(X, Y, Z, zdir='z', offset=-100, cmap=cm.coolwarm)
cset = ax3.contour(X, Y, Z, zdir='x', offset=-40, cmap=cm.coolwarm)
cset = ax3.contour(X, Y, Z, zdir='y', offset=40, cmap=cm.coolwarm)
ax3.set_xlabel('X')
ax3.set_xlim(-40, 40)
ax3.set_ylabel('Y')
ax3.set_ylim(-40, 40)
ax3.set_zlabel('Z')
ax3.set_zlim(-100, 100)
plt.show()

以上代码创建了三个不同的3D等高线图，运行结果如下图所示。

3D填充等高线图

3D填充等高线图其实就是对3D等高线图进行填充，Matplotlib中使用Axes3D的contourf()方法绘制3D填充等高线。我们针对上述的第一和第三个3D等高线图数据绘制3D填充等高线图。?

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
from matplotlib import cm
fig = plt.figure(figsize=(11, 5))
ax1 = fig.add_subplot(121, projection='3d')
X, Y, Z = axes3d.get_test_data(0.05)
cset = ax1.contourf(X, Y, Z, cmap=cm.coolwarm)
ax1.clabel(cset, fontsize=9, inline=1)
ax2 = fig.add_subplot(122, projection='3d')
X, Y, Z = axes3d.get_test_data(0.05)
ax2.plot_surface(X, Y, Z, rstride=8, cstride=8, alpha=0.3)
cset = ax2.contourf(X, Y, Z, zdir='z', offset=-100, cmap=cm.coolwarm)
cset = ax2.contourf(X, Y, Z, zdir='x', offset=-40, cmap=cm.coolwarm)
cset = ax2.contourf(X, Y, Z, zdir='y', offset=40, cmap=cm.coolwarm)
ax2.set_xlabel('X')
ax2.set_xlim(-40, 40)
ax2.set_ylabel('Y')
ax2.set_ylim(-40, 40)
ax2.set_zlabel('Z')
ax2.set_zlim(-100, 100)
plt.show()

运行结果如下图所示。

多边形图

多边形图顾名思义就是类似多边形的一个图表，Matplotlib中使用Axes3D的add_collection3d()方法绘制多边形图，基本用法如下。我们在三维坐标系下绘制4个多边形，为便于区别，我们使用4种颜色。?

from mpl_toolkits.mplot3d import Axes3D
from matplotlib.collections import PolyCollection
import matplotlib.pyplot as plt
from matplotlib import colors as mcolors
import numpy as np
fig = plt.figure(figsize=(6, 5))
ax = fig.gca(projection='3d')
def cc(arg):
 return mcolors.to_rgba(arg, alpha=0.6)
xs = np.arange(0, 10, 0.4)
verts = []
zs = [0.0, 1.0, 2.0, 3.0]
for z in zs:
 ys = np.random.rand(len(xs))
 ys[0], ys[-1] = 0, 0
 verts.append(list(zip(xs, ys)))
poly = PolyCollection(verts, facecolors=[cc('r'), cc('g'), cc('b'),
 cc('y')])
poly.set_alpha(0.7)
ax.add_collection3d(poly, zs=zs, zdir='y')
ax.set_xlabel('X')
ax.set_xlim3d(0, 10)
ax.set_ylabel('Y')
ax.set_ylim3d(-1, 4)
ax.set_zlabel('Z')
ax.set_zlim3d(0, 1)
plt.show()

严格来讲，我们绘制的多边形并不是3D图表，只是在3维坐标系下绘制了4个二维多边形。运行结果如下图所示。

3D柱状图

3D柱状图就是在三维坐标系下的柱状图，Matplotlib中使用Axes3D的bar()方法绘制3D柱状图，常用参数及其含义如下。

left：柱状图左侧的X坐标。

height：柱状图的高度。

zs：z坐标，如果指定了一个值，则它们都将放置在同一个z上。

zdir：在绘制二维集时用作z（“x”、“y”或“z”）的方向。

基本用法如下。?

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
ig = plt.figure(figsize=(6, 5))
ax = fig.add_subplot(111, projection='3d')
for c, z in zip(['r', 'g', 'b', 'y'], [30, 20, 10, 0]):
 xs = np.arange(20)
 ys = np.random.rand(20)
 # You can provide either a single color or an array. To demonstrate this,
 # the first bar of each set will be colored cyan.
 cs = [c] * len(xs)
 cs[0] = 'c'
 ax.bar(xs, ys, zs=z, zdir='y', color=cs, alpha=0.8)
axset_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
pl.show()

与多边形图一样，我们绘制的3D柱状图实际上并不是3D图表，只是在3维坐标系下绘制的柱状图。运行结果如下图所示。

3D箭图

3D箭图就是一个箭头的三维区域，Matplotlib中使用Axes3D的quiver()方法绘制箭图，常用参数及其含义如下。

x，y，z：箭头位置的X、Y和Z坐标（默认为箭头的尾部）。

u，v，w：箭头向量的x、y和z分量。参数可以是数组或标量，也可以是屏蔽数组。如果任何参数中的元素被屏蔽，则不会绘制相应的quiver元素。

length：每个震颤的长度，默认为1.0，单位与轴相同。

arrow_length_ratio：箭头相对于箭袋的比率，默认为0.3。

pivot：位于网格点的箭头部分。箭头围绕该点旋转，因此命名为Pivot。默认为“tail”。

normalize：正则化。如果为True，则所有箭头的长度都相同。默认为False，其中箭头的长度将根据u、v、w值的不同而不同。

基本用法如下，哇满绘制一系列箭头。?

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection='3d')
# Make the grid
x, y, z = np.meshgrid(np.arange(-0.8, 1, 0.2),
 np.arange(-0.8, 1, 0.2),
 np.arange(-0.8, 1, 0.8))
# Make the direction data for the arrows
u = np.sin(np.pi * x) * np.cos(np.pi * y) * np.cos(np.pi * z)
v = -np.cos(np.pi * x) * np.sin(np.pi * y) * np.cos(np.pi * z)
w = (np.sqrt(2.0 / 3.0) * np.cos(np.pi * x) * np.cos(np.pi * y) *
 np.sin(np.pi * z))
ax.quiver(x, y, z, u, v, w, length=0.1, normalize=True)
plt.show()

运行结果如下图所示。

3D图中的2D数据

在三维坐标系中，我们可以任取二维展示我们的2D数据。下面我们分别在(x，y)平面下绘制线状图，在(x，z)平面下绘制散点图。?

from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(8, 6))
ax = fig.gca(projection='3d')
# 以x轴、y轴为面绘制线状图
x = np.linspace(0, 1, 100)
y = np.sin(x * 2 * np.pi) / 2 + 0.5
ax.plot(x, y, zs=0, zdir='z', label='(x,y)下的线状图')
# 以x轴、z轴为面绘制散点图
colors = ('r', 'g', 'b', 'k')
x = np.random.sample(20*len(colors))
y = np.random.sample(20*len(colors))
c_list = []
for c in colors:
 c_list.extend([c]*20)
ax.scatter(x, y, zs=0, zdir='y', c=c_list, label='(x,z)下的散点图')
ax.legend()
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.set_zlim(0, 1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
# Customize the view angle so it's easier to see that the scatter points lie
# on the plane y=0
ax.view_init(elev=20., azim=-35)
plt.show()

运行后结果如下图所示。

3D图表添加文本

和2D图表一样，我们也可以在三维坐标系中添加文本，Matplotlib中使用Axes3D的text()方法给3D图表添加文本。text()方法的常用参数和意义如下。

x，y，z：确定文本在三维坐标线中的位置。

s：文本内容。

zdir：设置用作z方向的方向。

此外，还可以使用text2D()方法在三维坐标系所在平面添加文本。下面是绘制文本的基本用法。

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(8, 6))
ax = fig.gca(projection='3d')
zdirs = (None, 'x', 'y', 'z', (1, 1, 0), (1, 1, 1))
xs = (1, 4, 4, 9, 4, 1)
ys = (2, 5, 8, 10, 1, 2)
zs = (10, 3, 8, 9, 1, 8)
for zdir, x, y, z in zip(zdirs, xs, ys, zs):
 label = '(%d, %d, %d), dir=%s' % (x, y, z, zdir)
 ax.text(x, y, z, label, zdir)
ax.text(9, 0, 0, "red", color='red')
# 前两个参数表示位置 (0, 0)在左下方, (1, 1)在右上方
ax.text2D(0.05, 0.95, "2D Text", transform=ax.transAxes)
ax.set_xlim(0, 10)
ax.set_ylim(0, 10)
ax.set_zlim(0, 10)
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
plt.show()

运行后结果如下图所示。

Matplotlib中的3D图表就介绍到这里了。感谢大家的关注，欢迎批评指正，一起交流~

???