赞
踩
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
# 创建窗口 fig=plt.figure() # 在该窗口中创建3d绘图对象 ax=Axes3D(fig) # 创建点的x和y坐标数组 x=np.arange(-3,3,0.2) y=np.arange(-3,3,0.2) # 网格化处理 x,y=np.meshgrid(x,y) # 计算某个点到原点的距离为半径 r=np.sqrt(x**2+y**2) # 以半径为基准,求它的正弦值为点的z轴坐标 z=np.sin(r) # 绘制图像 ax.plot_surface(x,y,z,rstride=3,cstride=1,cmap="hot") # 底部的投影 ax.contour(x,y,z, zdir = 'z', offset = -1, cmap = plt.get_cmap('rainbow')) # 设置z轴的维度,x,y类似 ax.set_zlim(-2, 2) plt.show()
这是网上大多都这样写的,执行发现一片空白不出图。
百度之后,有说降到3.8就可以了,结论是3.9以上已经不支持此绘图了。
继续查找,随后有说加fig.add_axes(ax)
试了试,出图了
ax=Axes3D(fig)
fig.add_axes(ax)
# 3D图 matplotlib.rcParams['axes.unicode_minus']=False # 创建窗口 fig=plt.figure() # 在该窗口中创建3d绘图对象 ax=Axes3D(fig) fig.add_axes(ax) # 创建点的x和y坐标数组 x=np.arange(-3,3,0.2) y=np.arange(-3,3,0.2) # 网格化处理 x,y=np.meshgrid(x,y) # 计算某个点到原点的距离为半径 r=np.sqrt(x**2+y**2) # 以半径为基准,求它的正弦值为点的z轴坐标 z=np.sin(r) # 绘制图像 ax.plot_surface(x,y,z,rstride=3,cstride=1,cmap="hot") # 底部的投影 ax.contour(x,y,z, zdir = 'z', offset = -1, cmap = plt.get_cmap('rainbow')) # 设置z轴的维度,x,y类似 ax.set_zlim(-2, 2) plt.show()
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。