如何从数据框绘制曲面图/3D图形（Matplotlib）？

简介

Matplotlib是一个用于绘制静态、动态和交互式数据可视化的Python库。它能够创建广泛的图表类型，包括线形图、散点图、条形图、热图、等高线图和3D图形等等。

在数据分析和可视化的过程中，我们可能需要从数据框中绘制曲面图或3D图形。本文将重点介绍如何利用Matplotlib库来实现这个目标。

准备工作

在本文中，我们将使用Python的Pandas库来处理数据。在开始之前，请确保您已经安装了Matplotlib和Pandas库。

您可以使用以下命令来安装这两个库：

!pip install matplotlib pandas

创建数据框

为了创建一个曲面图或3D图形，我们需要使用一个离散的数据点来定义曲面的形状。在这里，我们将使用Pandas库来创建一个数据框，以便我们可以从中绘制曲面图或3D图形。在这个数据框中，我们将使用三个变量：x、y和z。变量x和y将被作为平面上的坐标定义，而变量z将用于定义曲面的高度。

以下是一个示例数据框：

import pandas as pd
import numpy as np

# 创建数据框
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)

X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

df = pd.DataFrame({
    'x': np.ravel(X),
    'y': np.ravel(Y),
    'z': np.ravel(Z)
})

代码说明：

np.linspace：这个函数用于在指定的范围内生成等间隔的数值。
np.meshgrid：这个函数用于生成一个网格状的坐标系，给定两个一维数组x和y后，可以返回一个二维数组X和Y，其中X对应的是x的行向量，每一行都是x，Y是 y 的列向量，每一列都是y，X和Y维度相同，x和y的元素个数保持一致。
np.sin：这个函数是用于计算给定角度的正弦值。在这个特定的示例中，我们使用了np.sqrt计算了平面上每个点的距离，并将其作为np.sin的参数，以生成z坐标的值。

绘制曲面图

现在，我们有了一个包含三个变量的数据框，我们可以使用Matplotlib来将其可视化为一个曲面图。以下是一个示例代码：

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

# 创建子图并添加3d投影
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 从数据框中读取xyz坐标值并绘制3D曲面
ax.plot_trisurf(df['x'], df['y'], df['z'], cmap=plt.cm.viridis, linewidth=0.2)

# 显示图形
plt.show()

代码说明：

Axes3D：这个类提供了一个3D坐标系的画板。
fig.add_subplot：这个函数可以创建画板和子图，并返回一个Axes对象。
ax.plot_trisurf：这个函数以三元组（x，y，z）的形式接受变量，并创建一个3D曲面。该函数将自动进行三角剖分，并使用plot函数来绘制三角形。
cmap=plt.cm.viridis：这个参数用于指定颜色映射。在这个示例中，我们使用了Matplotlib自带的viridis颜色映射。颜色映射将z值映射到一组颜色，使我们能够看到曲面高度的变化。
linewidth=0.2：这个参数用于指定曲面的线宽度。
plt.show：这个函数用于显示图形。

绘制3D图形

除了曲面图，我们还可以使用Matplotlib来绘制3D图形。以下是一个示例代码：

from mpl_toolkits.mplot3d.art3d import Poly3DCollection

# 创建子图和3d投影
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制3D图形
verts = [
    [(0, 0, 0), (0, 1, 0), (1, 0, 0)],
    [(0, 0, 0), (0, 0, 1), (1, 0, 0)],
    [(0, 0, 0), (0, 1, 0), (0, 0, 1)],
    [(1, 0, 0), (0, 1, 0), (0, 0, 1)]
]
ax.add_collection3d(Poly3DCollection(verts))

# 显示图形
plt.show()

代码说明：