Matplotlib 如何从数据框绘制3D表面图/3D图形

在数据分析和可视化过程中，绘制3D表面图或3D图形是常见的技能。Matplotlib是Python中最流行的可视化库之一，它提供了在数据框中绘制3D表面图和3D图形的功能。

本文将介绍如何使用Matplotlib在Python中从数据框绘制3D表面图和3D图形，并提供具体的示例以便于理解和学习。

准备工作

在开始之前，需要准备两个Python类库：pandas和mplot3d。pandas是一款数据分析库，在Python中广泛使用。mplot3d是matplotlib的一部分，它提供了3D绘图功能。

import pandas as pd
from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt

3D表面图

3D表面图是一种用于可视化XYZ数据的图表类型。它通常由自变量x，y和z（或f（x，y））构成。

首先，我们需要生成一个3D数据框。假设我们有两个自变量（x和y）和一个因变量（z）。我们可以使用pandas的DataFrame函数生成一个包含x，y和z值的数据框。

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))

data = pd.DataFrame({'x': X.flatten(), 'y': Y.flatten(), 'z': Z.flatten()})

接下来，我们需要将数据点放置在3D坐标系中，并使用plot_surface函数生成图像。该函数的输入包括x，y和z数据，然后通过将参数cmap设置为颜色图来指定颜色。

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

ax.plot_surface(X, Y, Z, cmap='viridis')

我们可以通过添加其他参数来定制绘图，例如给轴标记，修改字体大小和设置z轴范围。

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.rcParams.update({'font.size': 14})

ax.set_zlim(-1, 1)

plt.show()

您可以根据需要修改这些参数，以使图像更符合您的需求。最终，您应该能够得到一个漂亮的3D表面图像。以下是完整的代码示例：

import pandas as pd
from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt

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))

data = pd.DataFrame({'x': X.flatten(), 'y': Y.flatten(), 'z': Z.flatten()})

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

ax.plot_surface(X, Y, Z, cmap='viridis')

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.rcParams.update({'font.size': 14})

ax.set_zlim(-1, 1)

plt.show()

3D图形

3D图形在视觉上与3D表面图相似，但是它们通常用于表达不同类型的数据。例如，您可以使用3D图形在自变量x，y和z中可视化分类数据。

假设我们有一个带有三个自变量（x，y和z）和一个因变量（class）的数据框。我们可以使用plot函数绘制数据点，然后使用scatter函数在3D坐标系中展示这些数据点。

x = np.random.randn(100)
y = np.random.randn(100)
z = np.random.randn(100)
labels = np.random.choice(['A', 'B', 'C'], size=100)

data = pd.DataFrame({'x': x, 'y': y, 'z': z, 'class': labels})

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

ax.scatter(data['x'], data['y'], data['z'], c=data['class'], cmap='viridis')

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.rcParams.update({'font.size': 14})

plt.show()

您可以根据需要修改这些参数，以使图像更符合您的需求。以下是完整的代码示例：

import pandas as pd
from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(100)
y = np.random.randn(100)
z = np.random.randn(100)
labels = np.random.choice(['A', 'B', 'C'], size=100)

data = pd.DataFrame({'x': x, 'y': y, 'z': z, 'class': labels})

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

ax.scatter(data['x'], data['y'], data['z'], c=data['class'], cmap='viridis')

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.rcParams.update({'font.size': 14})

plt.show()