文章传送门

Python 数据可视化
matplotlib之绘制常用图形：折线图、柱状图（条形图）、饼图和直方图
matplotlib之设置坐标：添加坐标轴名字、设置坐标范围、设置主次刻度、坐标轴文字旋转并标出坐标值
matplotlib之增加图形内容：设置图例、设置中文标题、设置网格效果
matplotlib之设置子图：绘制子图、子图共享x轴坐标
matplotlib之绘制高级图形：散点图、热力图、等值线图、极坐标图
matplotlib之绘制三维图形：三维散点图、三维柱状图、三维曲面图

简述 / 前言

前面介绍了一些常用技巧、常见的图形（折线图、柱状图（条形图）、饼图和直方图）和高级的二维图形（散点图、热力图、等值线图），这篇分享一下如何绘制三维图形：三维散点图、三维柱状图、三维曲线图。

三维图形需要用到 mpl_toolkits.mplot3d 中的 Axes3D，也可以用前面介绍的二维方法创建三维图像，前提是要将子图的坐标轴改为三维坐标轴。

---

1. 三维散点图

关键方法：Axes3D().scatter()，注意需要创建 figure 对象。

一般用法：.scatter(x, y, z)，各参数含义如下：

参数	含义
x	x轴的数据
y	y轴的数据
z	z轴的数据

示例：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 三门课程的成绩
x = [100, 98, 79, 68, 85]
y = [95, 99, 80, 60, 90]
z = [93, 90, 85, 70, 88]

# 绘制三维散点图
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(x, y, z)

# 添加坐标轴
plt.rcParams['font.sans-serif'] = ['FangSong']  # 设置中文
ax.set_xlabel('课程1')
ax.set_ylabel('课程2')
ax.set_zlabel('课程3')
plt.show()

输出：

整体结构和二维散点图差不多，具体的用法也很相似，只是多了一个z轴而已

2. 三维柱状图

关键参数：projection='3d'，指定子图的坐标轴为三维坐标轴。

关键语句：matplotlib.pyplot.bar3d(x, y, z, dx, dy, dz)；

一般会这么写：matplotlib.pyplot.bar3d(x, y, z=0, dx=1, dy=1, dz, zsort='average', shade=True, alpha=alpha, color=color, edgecolor=edgecolor, lw=lw, linestyle=linestyle)，各参数含义如下：

属性	含义
x, y, z	定位点的坐标（输入的数据类型类似于数组）【z一般取0，表示柱状图的底都在平面$XOY$上】
dx, dy	柱状图底面的长和宽【一般都取1】
dz	柱状图的高度
zsort	z轴的排序方案
shade	是否加上阴影（默认为：True）【如果为真，这会使条形的暗边变暗(相对于图的光源)。】
alpha	透明度，取值范围：[0, 1]，值越小越透明
color	每个柱状图的颜色【颜色只能取一种】
edgecolor	边缘的颜色【颜色可以取几种，但是并不是每个柱状图的边缘颜色都不一样，只是在移动查看的时候，颜色会不断转换，建议只取一种颜色，或者不设置边缘颜色】
lw	边缘线的宽度
linestyle	边缘线的类型

示例：

import matplotlib.pyplot as plt

x = [1, 6, 3, 4, 5, 6, 3]     # x轴刻度
y = [1, 3, 3, 4, 5, 1, 2]       # y轴刻度
dz = [12, 20, 25, 10, 18, 5, 8]   # z轴刻度

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.set_title('三维柱状图')
ax.bar3d(x, y, z=0, dx=1, dy=1, dz=dz, shade=True, color='g', edgecolor='grey', lw=3, linestyle='--', alpha=0.5)
plt.rcParams['font.sans-serif'] = ['FangSong']  # 设置中文
ax.set_xlabel('x轴')
ax.set_ylabel('y轴')
ax.set_zlabel('z轴')
plt.show()

输出：

3. 三维曲面图

关键参数：projection='3d'，指定子图的坐标轴为三维坐标轴。

关键方法：.plot_surface()

一般会这么写：.plot_surface(X, Y, Z, rstride=rstride, cstride=cstride, cmap=cmap)，各参数含义如下：

参数	含义
X	X轴的位置序列
Y	Y轴的位置序列
Z	要绘制的曲线的函数
rstride	X轴方向上的条纹间隔
cstride	Y轴方向上的条纹间隔
cmap	指定填充风格，有内置颜色，也可以自定义颜色，内置的风格有：Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terrain, terrain_r, turbo, turbo_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, winter, winter_r

示例：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.arange(-11, 11, 0.1)
X, Y = np.meshgrid(x, x)
Z = X ** 2 + Y ** 2  # 定义待绘制的曲线
# 绘制三维曲线
ax.plot_surface(X, Y, Z, rstride=10, cstride=20, cmap='summer_r')
ax.set_xlabel('x轴', fontdict={'fontname': 'FangSong', 'fontsize': 16})
ax.set_ylabel('y轴', fontdict={'fontname': 'FangSong', 'fontsize': 16})
ax.set_zlabel('z轴', fontdict={'fontname': 'FangSong', 'fontsize': 16})
plt.show()

输出：