Matplotlib 3D 散点图与颜色条

Matplotlib 作为 Python 中最著名的可视化包之一，广泛用于数据分析、展示和科学计算等领域，被用于绘制各种类型的图表。本文将介绍 Matplotlib 3D 散点图，并演示如何添加颜色条（colorbar）以增强图表的清晰度与可读性。

阅读更多：Matplotlib 教程

Matplotlib 3D 散点图介绍

Matplotlib 提供了许多不同类型的 3D 图表，其中 3D 散点图是绘制点云数据（point cloud data）最常用的图表类型之一。3D 散点图通常用于表示具有三个或更多维度的数据，例如多元统计分析、飞机飞行路径等数据。

使用 Matplotlib 绘制 3D 散点图，需要导入 mpl_toolkits.mplot3d 模块，其中的 Axes3D 类提供了创建 3D 坐标轴的功能。以下是一个简单的 3D 散点图示例：

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

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

xs = [1, 2, 3, 4, 5]
ys = [3, 4, 5, 6, 7]
zs = [0, 1, 2, 3, 4]

ax.scatter(xs, ys, zs)

ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')

plt.show()

该代码块将生成一个由五个数据点组成的散点图，其中 x、y 和 z 坐标轴分别代表 X Label、Y Label 和 Z Label

添加颜色条

有时候，为了增加散点图的可读性，需要根据每个数据点的值绘制不同的颜色。Matplotlib 提供了许多方法来实现此目的，但对于大型数据集，添加颜色条是一种更好的方法，它可以更好地帮助读者理解数据的分布。

添加颜色条的过程通常分为三个步骤：

1.定义数据点的颜色；

2.创建 Colorbar 对象并将其添加到绘图中；

3.调整图表以包含 Colorbar。

我们可以使用 colormaps 来为每个数据点设置不同的颜色。颜色图是一组颜色，表示 0 到 1 之间的连续值的颜色。Matplotlib 提供了多个预定义的颜色表，如 ‘viridis’、’plasma’、’magma’、’inferno’ 等，还有一些经典的颜色表，如 ‘coolwarm’、’jet’、’rainbow’ 等。以下是一些基于不同参数设置的颜色设置的例子：

import matplotlib.cm as cm
import numpy as np

# 基于数值设置颜色
colormap = cm.ScalarMappable(cmap=cm.hsv)
data = np.arange(10)
colors = colormap.to_rgba(data)[:, :-1]

# 基于类别设置颜色
colormap = cm.Set1
data = np.array([1, 1, 2, 3, 3, 3])
colors = colormap(data / np.max(data))

对于第一个例子，我们使用 hsv 颜色映射将数据值作为标量值（Scalar Values）传递给 ScalarMappable 类。然后，我们使用 to_rgba() 方法生成 10 个包含四个值（红、绿、蓝和 alpha）的 RGBA数组，并使用“[:, :-1]”进行修整以去除 alpha 值。

第二个示例根据类别对数据进行颜色映射，并使用 Set1 颜色映射将颜色映射到数据。

接下来，我们需要创建一个 Colorbar 对象并将其添加到绘图中。为此，我们可以使用 colorbar() 方法，该方法将返回一个 AxesSubplot 对象。我们可以在 colorbar() 方法中使用 “c” 参数来指定将作为颜色映射输入的值。以下是添加颜色条的代码示例：

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

xs = [1, 2, 3, 4, 5]
ys = [3, 4, 5, 6, 7]
zs = [0, 1, 2, 3, 4]
data = [1, 2, 3, 4, 5]

colormap = cm.ScalarMappable(cmap=cm.hsv)
colors = colormap.to_rgba(data)[:, :-1]

sc = ax.scatter(xs, ys, zs, c=colors)

cbar = plt.colorbar(sc)

ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')

plt.show()

运行上述代码后，您将会得到如下所示的 3D 散点图和颜色条：

在此示例中，我们使用 ScalarMappable 类映射数据值到颜色，并使用 colorbar() 方法添加颜色条。在调用 colorbar() 方法时，我们将散点图对象作为参数传递，并将其颜色设置为 c=colors。

最后，当我们创建颜色条时，图形界面的大小可能需要进行调整，以便约束颜色条的尺寸。为此，我们可以调用 subplots_adjust() 方法并传递 top、bottom、left 和 right 参数。

fig.subplots_adjust(bottom=0.1, top=0.9)

总结

本文介绍了 Matplotlib 3D 散点图和如何添加颜色条。3D 散点图用于表示具有三个或更多维度的数据，而颜色条则添加了数据的可视化表示，使读者更容易理解数据的范围和分布。通过本文的介绍，您现在应该有足够的知识来创建您自己的 3D 散点图，并从您的数据集中提取更多的见解。