Python的3D可视化：Matplotlib和Plotly绘图详解
大家好，今天我们来深入探讨Python中的3D可视化，重点介绍两个强大的库：Matplotlib和Plotly。3D可视化在科学研究、工程设计、数据分析等领域都有着广泛的应用，它可以帮助我们更直观地理解复杂的数据结构和空间关系。
1. Matplotlib 3D 绘图
Matplotlib 是Python中最常用的绘图库之一，它提供了一个基本的3D绘图工具包，可以通过mpl_toolkits.mplot3d模块进行访问。虽然Matplotlib的3D绘图功能相对简单，但对于静态的3D可视化来说已经足够。
1.1. 环境搭建
首先，确保你已经安装了Matplotlib。如果没有，可以使用pip进行安装：
pip install matplotlib1.2. 创建3D坐标轴
要进行3D绘图，首先需要创建一个3D坐标轴对象。这可以通过plt.figure()创建figure对象，然后使用fig.add_subplot(projection='3d')添加3D子图来实现。
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D # 导入3D坐标轴
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# 可以在这里添加你的3D绘图代码
plt.show()1.3. 绘制3D散点图
ax.scatter()函数可以用于绘制3D散点图。它接受三个参数：x坐标、y坐标和z坐标。
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# 生成一些随机数据
n = 100
x = np.random.rand(n)
y = np.random.rand(n)
z = np.random.rand(n)
# 绘制散点图
ax.scatter(x, y, z)
# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.title('3D Scatter Plot')
plt.show()1.4. 绘制3D线图
ax.plot()函数可以用于绘制3D线图。同样，它接受三个参数：x坐标、y坐标和z坐标。
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# 创建螺旋线数据
t = np.linspace(0, 10 * np.pi, 500)
x = np.cos(t)
y = np.sin(t)
z = t
# 绘制线图
ax.plot(x, y, z)
# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.title('3D Line Plot')
plt.show()1.5. 绘制3D曲面图
ax.plot_surface()函数可以用于绘制3D曲面图。它需要x坐标、y坐标和一个表示高度的二维数组z。通常，我们会使用np.meshgrid()函数创建x和y的网格。
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# 创建网格数据
num1 = np.arange(-5, 5, 0.25)
num2 = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(num1, num2)
Z = np.sin(np.sqrt(X**2 + Y**2))
# 绘制曲面图
ax.plot_surface(X, Y, Z, cmap='viridis') #cmap设置颜色图
# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.title('3D Surface Plot')
plt.show()1.6. 绘制3D三角面图
ax.plot_trisurf()函数用于绘制基于三角形的3D表面。这种方法对于处理不规则数据或者由三角形网格定义的表面非常有用。
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# 创建随机三角形数据
n = 100
x = np.random.rand(n)
y = np.random.rand(n)
z = np.random.rand(n)
# 绘制三角面图
ax.plot_trisurf(x, y, z, cmap='viridis')
# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.title('3D TriSurface Plot')
plt.show()1.7. 绘制3D条形图
ax.bar3d()函数可以用于绘制3D条形图，这在可视化三维数据分布时很有用。
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# 创建条形图数据
x = np.arange(5)
y = np.arange(5)
xpos, ypos = np.meshgrid(x, y)
xpos = xpos.flatten()
ypos = ypos.flatten()
zpos = np.zeros_like(xpos)
dx = np.ones_like(xpos)
dy = np.ones_like(ypos)
dz = np.random.rand(len(xpos))
# 绘制3D条形图
ax.bar3d(xpos, ypos, zpos, dx, dy, dz, shade=True)
# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.title('3D Bar Plot')
plt.show()1.8. 设置视角
可以使用ax.view_init(elev, azim)函数设置3D图的视角，其中elev是仰角，azim是方位角，单位均为度。
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
# 创建一些数据
n = 100
x = np.random.rand(n)
y = np.random.rand(n)
z = np.random.rand(n)
# 绘制散点图
ax.scatter(x, y, z)
# 设置视角
ax.view_init(30, 45) # 仰角30度，方位角45度
# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.title('3D Scatter Plot with Custom View')
plt.show()2. Plotly 3D 绘图
Plotly 是一个交互式绘图库，它提供了比Matplotlib更丰富的3D绘图功能，并且可以轻松创建可交互的3D图。
2.1. 环境搭建
首先，确保你已经安装了Plotly。如果没有，可以使用pip进行安装：
pip install plotly还需要安装kaleido，用于静态图像导出
pip install kaleido2.2. 创建3D散点图
Plotly中使用plotly.graph_objects.Scatter3d类来创建3D散点图。
import plotly.graph_objects as go
import numpy as np
# 生成一些随机数据
n = 100
x = np.random.rand(n)
y = np.random.rand(n)
z = np.random.rand(n)
# 创建散点图
fig = go.Figure(data=[go.Scatter3d(
x=x,
y=y,
z=z,
mode='markers',
marker=dict(
size=5,
color=z, # 根据z值着色
colorscale='Viridis', # 使用Viridis颜色图
opacity=0.8
)
)])
# 设置布局
fig.update_layout(
margin=dict(l=0, r=0, b=0, t=0),
title='3D Scatter Plot'
)
fig.show()2.3. 创建3D线图
Plotly也可以轻松创建3D线图。
import plotly.graph_objects as go
import numpy as np
# 创建螺旋线数据
t = np.linspace(0, 10 * np.pi, 500)
x = np.cos(t)
y = np.sin(t)
z = t
# 创建线图
fig = go.Figure(data=[go.Scatter3d(
x=x,
y=y,
z=z,
mode='lines',
line=dict(
width=2,
color='blue'
)
)])
# 设置布局
fig.update_layout(
margin=dict(l=0, r=0, b=0, t=0),
title='3D Line Plot'
)
fig.show()2.4. 创建3D曲面图
Plotly中使用plotly.graph_objects.Surface类来创建3D曲面图。
import plotly.graph_objects as go
import numpy as np
# 创建网格数据
num1 = np.arange(-5, 5, 0.25)
num2 = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(num1, num2)
Z = np.sin(np.sqrt(X**2 + Y**2))
# 创建曲面图
fig = go.Figure(data=[go.Surface(z=Z, x=X, y=Y, colorscale='Viridis')])
# 设置布局
fig.update_layout(
title='3D Surface Plot',
scene=dict(
xaxis_title='X',
yaxis_title='Y',
zaxis_title='Z'
),
margin=dict(l=0, r=0, b=0, t=50)
)
fig.show()2.5. 创建3D网格图
Plotly可以使用plotly.graph_objects.Mesh3d类绘制3D网格图，用于展示三维模型。
import plotly.graph_objects as go
import numpy as np
# 定义顶点
vertices = np.array([[0, 0, 0], [1, 0, 0], [0, 1, 0], [0, 0, 1], [1, 1, 0], [1, 0, 1], [0, 1, 1], [1, 1, 1]])
# 定义三角形面
triangles = np.array([[0, 1, 2], [0, 1, 3], [0, 2, 3], [1, 2, 4], [1, 4, 5], [1, 3, 5],[2,4,7],[2,3,7],[4,5,7],[3,5,7],[2,4,6],[3,5,6]])
x, y, z = vertices[:, 0], vertices[:, 1], vertices[:, 2]
i, j, k = triangles[:, 0], triangles[:, 1], triangles[:, 2]
fig = go.Figure(data=[go.Mesh3d(x=x, y=y, z=z, i=i, j=j, k=k)])
fig.update_layout(
title='3D Mesh Plot',
scene=dict(
xaxis_title='X',
yaxis_title='Y',
zaxis_title='Z'
),
margin=dict(l=0, r=0, b=0, t=50)
)
fig.show()
2.6. 自定义颜色和样式
Plotly允许你自定义颜色、样式、颜色图等，以满足不同的可视化需求。
import plotly.graph_objects as go
import numpy as np
# 创建网格数据
num1 = np.arange(-5, 5, 0.25)
num2 = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(num1, num2)
Z = np.sin(np.sqrt(X**2 + Y**2))
# 创建曲面图
fig = go.Figure(data=[go.Surface(
z=Z,
x=X,
y=Y,
colorscale='Plasma', # 使用Plasma颜色图
opacity=0.7,
contours_z=dict(show=True, usecolormap=True, highlightcolor="limegreen", project_z=True) # 添加轮廓线
)])
# 设置布局
fig.update_layout(
title='3D Surface Plot with Custom Style',
scene=dict(
xaxis_title='X',
yaxis_title='Y',
zaxis_title='Z'
),
margin=dict(l=0, r=0, b=0, t=50)
)
fig.show()2.7. 子图绘制
Plotly 同样支持在一个图中绘制多个子图，可以使用plotly.subplots.make_subplots来实现。
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import numpy as np
# 创建数据
x = np.random.rand(100)
y = np.random.rand(100)
z1 = np.random.rand(100)
z2 = np.random.rand(100)
# 创建子图
fig = make_subplots(rows=1, cols=2, specs=[[{'type': 'scatter3d'}, {'type': 'scatter3d'}]])
# 添加散点图1
fig.add_trace(
go.Scatter3d(x=x, y=y, z=z1, mode='markers', marker=dict(size=5, color='blue')),
row=1, col=1
)
# 添加散点图2
fig.add_trace(
go.Scatter3d(x=x, y=y, z=z2, mode='markers', marker=dict(size=5, color='red')),
row=1, col=2
)
# 更新布局
fig.update_layout(title_text='3D Subplots')
fig.show()3. 总结Matplotlib和Plotly的优缺点
| 特性 | Matplotlib |
Plotly |
|---|---|---|
| 交互性 | 静态 | 交互式 |
| 绘图类型 | 基本3D绘图 | 丰富的3D绘图 |
| 定制性 | 较低 | 较高 |
| 学习曲线 | 较简单 | 稍复杂 |
| 文件大小 | 较小 | 较大，尤其是包含大量数据时 |
| 适用场景 | 简单的静态3D可视化，对文件大小要求严格 | 需要交互式3D可视化，对图形定制性要求高 |
4. 使用Matplotlib还是Plotly？
选择哪个库取决于你的具体需求。如果只需要简单的静态3D可视化，并且对文件大小有要求，那么Matplotlib可能是一个不错的选择。如果需要更丰富的3D绘图功能，以及交互式的用户体验，那么Plotly更适合。
5. 代码调试技巧
- 数据检查: 确保你的数据格式正确，例如，
plot_surface需要二维数组。 - 坐标轴范围: 如果图像显示不正确，可能是坐标轴范围设置不合理，可以使用
ax.set_xlim(),ax.set_ylim(),ax.set_zlim()来调整。 - 颜色图: 尝试不同的颜色图，选择最能突出数据特征的颜色图。
- 交互式调试: 在
Plotly中，可以使用fig.show()来显示交互式图形，方便调试。
6. 3D可视化的实际应用
3D可视化在许多领域都有广泛的应用，以下是一些例子：
- 科学研究: 可视化分子结构、蛋白质结构、地质模型等。
- 工程设计: 可视化建筑模型、机械零件、电路板设计等。
- 数据分析: 可视化高维数据、聚类结果、回归模型等。
- 医学影像: 可视化CT扫描、MRI扫描等。
7. 深入学习资源
Matplotlib官方文档：https://matplotlib.org/stable/Plotly官方文档：https://plotly.com/python/
8. 总结：掌握3D绘图，数据可视化更上一层楼
今天我们学习了使用Matplotlib和Plotly进行3D绘图的方法。希望通过今天的讲解，大家能够掌握3D可视化的基本技巧，并在实际工作中灵活运用。 掌握了这些，就能够更深入地理解和展示数据，提高工作效率。