Matplotlib 3D Contours|极客笔记

Matplotlib 3D Contours

Matplotlib是一个强大的Python 2D/3D绘图库，它可以生成出版质量级别的图形。它可以通过简单的界面生成复杂的图表。在本文中，我们将重点介绍如何使用Matplotlib来创建3D等高线图（Contours）。3D等高线图是一种用来表示三维空间中函数值的图表，通过等高线可以直观地看出函数值在空间中的变化趋势。

基础3D等高线图

首先，我们从最基础的3D等高线图开始。为了创建3D图形，我们需要从mpl_toolkits.mplot3d导入Axes3D。以下是一个简单的示例，展示了如何创建一个基础的3D等高线图。

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

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))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.contour3D(x, y, z, 50)
ax.set_title('3D Contour - how2matplotlib.com')
plt.show()

Output:

Matplotlib 3D Contours

自定义等高线颜色和样式

接下来，我们将展示如何自定义等高线的颜色和样式。通过调整contour3D函数的参数，可以改变等高线的颜色、线型等。

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

x = np.linspace(-6, 6, 100)
y = np.linspace(-6, 6, 100)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.contour3D(x, y, z, 50, cmap='viridis')
ax.set_title('Customized 3D Contour - how2matplotlib.com')
plt.show()

Output:

Matplotlib 3D Contours

添加色标

为了更好地理解等高线图中的颜色代表的含义，我们可以添加一个色标来表示不同颜色对应的函数值。

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

x = np.linspace(-6, 6, 100)
y = np.linspace(-6, 6, 100)
x, y = np.meshgrid(x, y)
z = np.cos(np.sqrt(x**2 + y**2))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
contour = ax.contour3D(x, y, z, 50, cmap='coolwarm')
fig.colorbar(contour, ax=ax, shrink=0.5, aspect=5)
ax.set_title('3D Contour with Colorbar - how2matplotlib.com')
plt.show()

Output:

Matplotlib 3D Contours

绘制等高线投影

有时候，我们希望在3D等高线图的底部添加等高线的投影，以便更好地理解等高线在二维平面上的分布。

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

x = np.linspace(-6, 6, 100)
y = np.linspace(-6, 6, 100)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.contour3D(x, y, z, 50, cmap='inferno')
ax.contour(x, y, z, zdir='z', offset=-2, cmap='inferno')
ax.set_title('3D Contour with Projection - how2matplotlib.com')
plt.show()

Output:

Matplotlib 3D Contours

使用不同的颜色映射

Matplotlib提供了多种颜色映射（colormap），我们可以通过选择不同的颜色映射来改变等高线图的外观。

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

x = np.linspace(-6, 6, 100)
y = np.linspace(-6, 6, 100)
x, y = np.meshgrid(x, y)
z = np.cos(np.sqrt(x**2 + y**2))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.contour3D(x, y, z, 50, cmap='plasma')
ax.set_title('3D Contour with Different Colormap - how2matplotlib.com')
plt.show()

Output:

Matplotlib 3D Contours

调整视角和坐标轴

在3D图形中，调整视角和坐标轴可以帮助我们更好地理解数据的分布。以下是如何调整视角和坐标轴的示例。

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

x = np.linspace(-6, 6, 100)
y = np.linspace(-6, 6, 100)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.contour3D(x, y, z, 50, cmap='magma')
ax.view_init(elev=45, azim=45)
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
ax.set_title('3D Contour with Custom View - how2matplotlib.com')
plt.show()

Output:

Matplotlib 3D Contours