matplotlib---8.3D绘图

一、直线、散点图、插值

1.3D绘图与2D绘图区别

3D绘图与2D绘图的调用方法几乎相同，除了增加一个 projection='3d'的关键字参数。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig=plt.figure()
ax=fig.add_subplot(111,projection='3d') # 旧式写法
ax=Axes3D(fig) #新式写法

2.插值画3D图

（1）载入数据

# 载入模块
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
import pandas as pd
import seaborn as sns
from scipy import interpolate

df_epsilon_alpha = pd.read_excel('实验记录_超参数.xlsx',sheet_name='epsilon_alpha')
#生成数据
epsilon = np.array(df_epsilon_alpha['epsilon'].values)
alpha = np.array(df_epsilon_alpha['alpha'].values)
Precision = np.array(df_epsilon_alpha['Precision'].values)　

（2）将x和y扩充到想要的大小

xnew = np.arange(0.1, 1, 0.09) #左闭右闭每0.09间隔生成一个数
ynew = np.arange(0.1, 1, 0.09)  
或者

x = np.linspace(0.1,0.9,9)#0.1到0.9生成9个数
y = np.linspace(0.1,0.9,9)

（3）对z插值

x,y原数据：

x = np.linspace(0.1,0.9,9)
y = np.linspace(0.1,0.9,9)
z = Precision

采用 scipy.interpolate.interp2d函数进行插值

f = interpolate.interp2d(x, y, z, kind='cubic')

x,y扩充数据：

xnew = np.arange(0.1, 1, 0.03)#(31,)
ynew = np.arange(0.1, 1, 0.03)#(31,)
znew = f(xnew, ynew)#(31,31) 

znew为插值后的z

（4）画图

采用  from mpl_toolkits.mplot3d import Axes3D进行画三维图

Axes3D简单用法：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

比如采用plot_trisurf画三维图：

plot_trisurf（x,y,z)

plot_trisurf对数据要求是：x.shape = y.shape = z.shape，所以x和y的shape需要修改，采用np.meshgrid，且都为一维数据

修改x,y,z输入画图函数前的shape

xx1, yy1 = np.meshgrid(xnew, ynew)#执行之后，xx1.shape=(31,31),yy1.shape=(31,31)
newshape = (xx1.shape[0])*(xx1.shape[0])
y_input = xx1.reshape(newshape)
x_input = yy1.reshape(newshape)
z_input = znew.reshape(newshape)

x_input.shape,y_input.shape,z_input.shape=((961,), (961,), (961,))

#画图
sns.set(style='ticks')
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_trisurf(x_input,y_input,z_input,cmap=cm.coolwarm)

plt.xlim((0.1,0.9))
plt.xticks([0.1,0.3,0.5,0.7,0.9])
plt.yticks([0.1,0.3,0.5,0.7,0.9])
ax.set_xlabel(r'$alpha$',fontdict={'color': 'black',
                             'family': 'Times New Roman',
                             'weight': 'normal',
                             'size': 18})
ax.set_ylabel(r'$epsilon$',fontdict={'color': 'black',
                             'family': 'Times New Roman',
                             'weight': 'normal',
                             'size': 18})
ax.set_zlabel('precision',fontdict={'color': 'black',
                             'family': 'Times New Roman',
                             'weight': 'normal',
                             'size': 18})

plt.tight_layout()
# plt.savefig('loc_svg/alpha_epsilon2.svg',dpi=600) #指定分辨率保存
plt.show()

插值前	插值后

3.绘制直线

Axes3D.plot(xs, ys, *args, **kwargs)

参数：　

1. xs,ys：点的 x,y坐标
2. zs：点的z坐标。该值可以是一个标量（表示对所有点都取同一个值）；也可以是个数组或列表，表示每个点一个值
3. zdir：指定那个是z轴。其值可以是'x'或者'y'或者'z'
4. 剩下的关键字参数与Axes.plot()相同

4.绘制散点图

Axes3D.scatter(xs, ys, zs=0, zdir=’z’, s=20, c=’b’, depthshade=True, *args, **kwargs)

参数：

1. xs,ys：点的 x,y坐标
2. zs：点的z坐标。该值可以是一个标量（表示对所有点都取同一个值）；也可以是个数组或列表，表示每个点一个值
3. zdir：指定那个是z轴。其值可以是'x'或者'y'或者'z'
4. s：散点的大小（单位为 point^2).该值可以是一个标量（表示对所有点都取同一个值）；也可以是个数组或列表，表示每个点一个值
5. c：散点的颜色。你可以将它设为一个颜色字符串，表示所有的点都是一个颜色。或者是个 cmap，指定颜色图
6. depthshade：一个布尔值。如果为True，则通过对marker设置阴影来展示层次关系
7. 剩下的关键字参数与Axes.scatter()相同

5.绘制线框　

Axes3D.plot_wireframe(X, Y, Z, *args, **kwargs)

参数：

• X,Y：点的 x,y坐标
• Z：点的z坐标。该值可以是一个标量（表示对所有点都取同一个值）；也可以是个数组或列表，表示每个点一个值
• rstride：行的步长
• cstride：列的步长
• 剩下的关键字传递给LineCollection

二、修改X,Y,Z轴的刻度值

1.修改X,Y,Z轴的刻度值

from matplotlib.ticker import MultipleLocator,FuncFormatter
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib import colors
from matplotlib.ticker import LinearLocator, FormatStrFormatter
import numpy as np
import matplotlib.ticker as ticker

def fun(x):
    if x >= 1:
        return 1
    return x

def to_percent(temp, position):
    return '%1.0f'%(100*temp)

x = np.arange(0, 0.5, 0.001)
y = np.arange(0, 0.05, 0.001)
x, y = np.meshgrid(x, y)
z = (3*x+y-x*x-np.sqrt(2*x*x*x-3*x*x*x*x+x*x+22*x*x*y-22*x*y-12*x*x*x*y-8*x*x*y*y+12*x*y*y-7*y*y))/(2*x+2*y)

for row in range(len(z)):
    for col in range(len(z[0])):
        z[row][col] = fun(z[row][col])

fig = plt.figure()
ax = fig.gca(projection='3d')
ax.set_zlim3d(0.6,1.0)
ax.zaxis.set_major_locator(LinearLocator(5))#Z轴显示5个刻度值

norm = colors.Normalize(vmin=0.6,vmax=1.0)
ax.xaxis.set_major_formatter(FuncFormatter(to_percent))#将X,Y,Z轴的坐标轴放大100倍
ax.yaxis.set_major_formatter(FuncFormatter(to_percent))
ax.zaxis.set_major_formatter(FuncFormatter(to_percent))

ax.set_xlabel(r'$alpha$(%)')
ax.set_ylabel(r'$	heta$(%)')
ax.set_zlabel(r'$gamma^{*}$(%)')#坐标轴

surf = ax.plot_surface(x, y, z,
                       cmap=cm.coolwarm,
                       linewidth=0,
                       norm=norm,
                       antialiased=False,
                       edgecolor='none')
ax.contourf(x,y,z,zdir='z',offset=-2,cmap='rainbow')

修改colorbar的刻度为百分的形式

def fmt(x,pos):
    print(x)
    # a, b = '{:2.2e}'.format(x).split('e')
    # b = int(b)
    return r'${}$%'.format(int(x*100))
cbar = plt.colorbar(surf,shrink=0.5, aspect=5,format=ticker.FuncFormatter(fmt))#format用来修改调色板的刻度值
cbar.set_ticks([.6,.7,.8,.9,1.0]) plt.tight_layout() 
plt.savefig('实验图.svg',dpi=600) #指定分辨率保存 
plt.show()　　

未修改前	修改后
alpha：0.0-0.5 theta：0.00-0.05 gamma：0.60-1.00 colorbar：0.60-1.00	alpha：0:50（每个乘以100） theta：0-5（每个乘以100） gamma：60-100（每个乘以100） colorbar：60%-100%（每个乘以100）

参考文献：

【1】matplotlib 修改坐标轴刻度值，刻度个数

【2】解决python画图中colorbar设置刻度和标签字体大小

【3】Matplotlib：给子图添加colorbar（颜色条或渐变色条）