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

 python --version

运行下述代码检查Python、NumPy、Matplotlib版本

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：

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。

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。

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。

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。

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

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. 线框图（Wireframe 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=1001.2014.3001.5502

2. 3D散点图（3D Scatter Plot）

用于可视化三维数据的散点图，通过在三维空间中绘制数据点来展示数据的分布。

import matplotlib.pyplot as plt
import numpy as np

# 数据准备
x = np.random.rand(100)  # x轴数据
y = np.random.rand(100)  # y轴数据
z = np.random.rand(100)  # z轴数据
colors = np.random.rand(100)  # 颜色数据

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

# 绘制3D散点图
ax.scatter(x, y, z, c=colors, cmap='viridis', marker='o')

# 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、y和z数组分别存储了散点的 x、y 和 z 坐标数据
colors数组存储了每个散点的颜色数据。
创建了一个3D图形对象，并将其添加到子图中。
使用ax.scatter函数创建了3D散点图。
- 我们通过传递x、y和z参数来指定每个散点的位置。
- c参数指定了散点的颜色，可以使用一个数值数组来表示不同的颜色值。
- cmap参数指定了颜色映射，这里我们使用了viridis颜色映射。
- marker参数指定了散点的形状，这里我们使用了圆形。
使用ax.set_xlabel、ax.set_ylabel和ax.set_zlabel函数设置了坐标轴的标签。