Matplotlib 绘制 3D曲面图（实现基本设置的函数模板，直接复制即可调用）
2020-08-01 17:28:28 来源：易采站长站 作者：
Matplotlib 是 Python 的绘图库，它与 NumPy 一起使用，可以基本上实现 MATLAB 的绘图和计算功能，而且效率更高，速度更快。
今天主要说一下关于 Matplotlib 绘制三维图像，并实现一个可以多次使用的函数模板，直接复制调用即可使用。
1. 导入模块包
numpy和
matplotlib是两个常规的基本模块。因为实现的是三维绘图，所以需要另外一个模块
Axes3D，这是是 Matplotlib 里面专门用来画三维图的工具包。
import numpy as np
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
2. 图像的基本设置
这里包括对图中字体大小、图片长宽比、分辨率的调整，并将其转换为三维格式。
plt.rcParams.update({'font.size': 32}) # 统一设置图中字体大小
fig = plt.figure(figsize=(20, 16), dpi=50) # 设置图像大小和分辨率
ax3 = Axes3D(fig) # 将图像转换为3D模式
3. 处理数据，生成坐标矩阵
这里的
matrix是一个二维列表，是 Python 的基本数据格式，需要将其先转化为
np.array的格式，才能进行更多的操作。另外要根据传入的二维数据创建坐标矩阵，这一点很重要。
# 绘制三维图像
matrix = np.array(matrix)
# 根据二维数据的长宽创建坐标矩阵
arrX = np.arange(0, len(matrix[0]))
arrY = np.arange(0, len(matrix))
X, Y = np.meshgrid(arrX, arrY) # 创建坐标矩阵
print(X.shape, Y.shape, matrix.shape)
ax3.plot_surface(X, Y, matrix, cmap='rainbow')
4. 设置坐标轴刻度，稀疏化坐标轴刻度
如果我们的数据是100 X 100 的二维矩阵，如果将所有的刻度都显示在坐标轴上，那么必会变得密密麻麻，所以我们需要将坐标刻度稀疏化，并用自己想要的方式展现出来。
使用
xticks(x, _x)设置X坐标轴刻度（Y轴同理，但是不能设置Z轴）：第一个参数：刻度值列表
第二个参数：需要展示的出来的经过处理的刻度值列表。这里可以对刻度自定义，比如统一扩大10倍或缩小十倍（本例中以0.1为步长取的数据，所以在刻度上要乘上步长，即缩小为0.1倍），同时也可以设置为字符串。
x = list(range(len(arrX)))[::int(len(arrX) / 10)] _x = [int(i * stepValue) for i in x] plt.xticks(x, _x)
5. 设置图片名称并保存
使用
xlabel设置X轴名称（Y轴同理，但是不能设置Z轴）：第一个参数：X轴名称的字符串
第二个参数（
labelpad）：X轴名称与X轴之间的间隔距离使用
savefig储存图片，这里直接将需要储存的图片格式写在图片名称的字符串中即可。如果在 LaTeX中 使用推荐
.eps格式，另外也可以储存为
.jpg格式和
.png格式.
plt.xlabel(keyX, labelpad=30) # X轴名称
plt.ylabel(keyY, labelpad=30) # Y轴名称
plt.title("The effect of {} and {} on GJBD".format(keyX, keyY), pad=20) # 图形题目
plt.savefig("./change_{}{}.eps".format(keyX, keyY)) # 保存图片
plt.show()
完整代码接口如下
三个参数如下：
matrix : 二维列表格式的数据
keyX : X轴名称
keyY : Y轴名称
其中
stepValue是二维数据的采集步长，可以根据实际情况自行修改。
import numpy as np
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D''' 使用二维列表数据绘制三维曲面图
--- matrix : 二维数据（普通Python二维列表）
--- keyX : X轴名称（string）
--- keyY : Y轴名称（string）
'''
def figure_3D(matrix, keyX, keyY):
plt.rcParams.update({'font.size': 32}) # 统一设置图中字体大小
fig = plt.figure(figsize=(20, 16), dpi=50) # 设置图像大小和分辨率
ax3 = Axes3D(fig) # 将图像转换为3D模式
# 绘制三维图像
matrix = np.array(matrix)
# 根据二维数据的长宽创建坐标矩阵
arrX = np.arange(0, len(matrix[0]))
arrY = np.arange(0, len(matrix))
X, Y = np.meshgrid(arrX, arrY) # 创建坐标矩阵
print(X.shape, Y.shape, matrix.shape)
ax3.plot_surface(X, Y, matrix, cmap='rainbow')
# 设置坐标轴刻度
stepValue = 0.1 # 步长
x = list(range(len(arrX)))[::int(len(arrX) / 10)] _x = [int(i * stepValue) for i in x] plt.xticks(x, _x)
y = list(range(len(arrY)))[::int(len(arrY) / 5)] _y = [round(i * stepValue, 1) for i in y] plt.yticks(y, _y)
# 设置坐标轴名称
plt.xlabel(keyX, labelpad=30) # X轴名称
plt.ylabel(keyY, labelpad=30) # Y轴名称
plt.title("The effect of {} and {} ".format(keyX, keyY), pad=20) # 图形题目
plt.savefig("./change_{}{}.eps".format(keyX, keyY)) # 保存图片
plt.show()
作者：SongXJ–
闽公网安备 35020302000061号
