迹忆客 专注技术分享

在 Matplotlib 中，我们使用 mplot3d 工具包进行 3-D 分析和可视化，其中包含基于 Matplotlib 的 2-D 函数构建的 3-D 绘图方法。我们可以通过将 projection='3d'参数传递给 Matplotlib 中任何轴的创建函数来创建 3-D 轴。初始化 3-D 轴后，我们可以使用 plot_surface() 方法生成曲面图。

Axes3D.plot_surface() 方法

我们可以使用 Axes3D.plot_surface(X, Y, Z, *args, **kwargs) 方法创建表面图其中 X，Y 和 Z 均为二维数组。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits import mplot3d

fig = plt.figure(figsize=(8,6))
ax3d = plt.axes(projection="3d")

xdata = np.linspace(-3,3,100)
ydata = np.linspace(-3,3,100)
X,Y = np.meshgrid(xdata,ydata)
Z = 1/(1+np.exp(-X-Y))

ax3d = plt.axes(projection='3d')
ax3d.plot_surface(X, Y, Z,cmap='plasma')
ax3d.set_title('Surface Plot in Matplotlib')
ax3d.set_xlabel('X')
ax3d.set_ylabel('Y')
ax3d.set_zlabel('Z')

plt.show()

这样，Matplotlib 会在 3D 空间中生成曲面图。这里的 cmap 参数用于在 3D 色彩空间中很好地表示我们的数据。图的颜色随因变量值的变化而变化。

我们可以根据以下参数自定义图：

• rstride：行步长，默认值为 10
• cstride：列步长，默认值为 10
• color：表面的颜色
• cmap：表面的颜色图
• facecolors：表面中每个补丁的面部颜色
• norm：Normalize 的一个实例，用于将值映射到颜色
• vmin：要映射的最小值
• vmax：要映射的最大值
• shade：是否遮罩脸部颜色

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits import mplot3d

fig = plt.figure(figsize=(8,6))
ax3d = plt.axes(projection="3d")

xdata = np.linspace(-3,3,100)
ydata = np.linspace(-3,3,100)
X,Y = np.meshgrid(xdata,ydata)
Z = 1/(1+np.exp(-X-Y))

ax3d = plt.axes(projection='3d')
surf=ax3d.plot_surface(X, Y, Z, rstride=7, cstride=7, cmap="viridis")
fig.colorbar(surf, ax=ax3d)
ax3d.set_title('Surface Plot in Matplotlib')
ax3d.set_xlabel('X')
ax3d.set_ylabel('Y')
ax3d.set_zlabel('Z')

plt.savefig("Customized Surface Plot.png")

plt.show()

在这个例子中，我们通过使用 colorbar() 方法在图形中添加一个颜色条，并将表面绘图对象传递给该方法，这使图形更具信息性。