如何在 Matplotlib 中创建曲面图

Python 2月前 38

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()

如何在 Matplotlib 中创建曲面图

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()