【Python】三维绘图_python绘制三维图形

目录

一、Python三维绘图介绍

二、Python绘制三维图像

---

一、Python三维绘图介绍

Python 是一种广泛使用的编程语言，拥有丰富的库支持，包括用于绘制三维图像的库。三维图像在数据分析、科学计算和可视化方面具有重要应用。在 Python 中，有多个库可以用于创建和呈现三维图像。

1.主要的库及其功能

1）Matplotlib

Matplotlib 是 Python 中最常用的二维绘图库，但同时它也支持绘制一些基本的三维图像。借助 Matplotlib 的 mpl_toolkits.mplot3d 模块，可以创建 3D 散点图、线图、曲面图等。虽然 Matplotlib 的三维绘图功能相对有限，但对于一些基本的三维可视化需求，它是一个不错的选择。

2）Plotly

Plotly 是一个交互式图表库，支持多种编程语言，包括 Python。使用 Plotly 可以创建各种交互式三维图像，如散点图、线图、曲面图、等高线图等。Plotly 的优势在于其交互性和易用性，可以让你轻松地创建高质量的三维图像，并通过网页或 Jupyter Notebook 进行展示。

3）Mayavi

Mayavi 是一个用于创建三维科学数据可视化的库，基于 VTK (Visualization Toolkit)。Mayavi 提供了丰富的三维可视化功能，包括体渲染、等值面、向量场、流线等。Mayavi 的主要优点是其灵活性和强大的功能，可以处理复杂的三维数据和场景，但相应地，它的学习曲线较陡峭。

4）PyVista

PyVista 是一个基于 VTK 的三维可视化库，提供了简化的接口和高级功能。PyVista 支持各种三维图像类型，如散点图、线图、曲面图、体渲染等，并支持与其他库（如 NumPy、Pandas 等）无缝集成。PyVista 的目标是使 VTK 的强大功能更易于使用，同时保持高度可定制。

5）Vispy

Vispy 是一个高性能的交互式二维/三维数据可视化库，特别适用于大规模数据集。Vispy 利用 GPU 加速和现代 OpenGL 技术，实现高速渲染和实时交互。Vispy 支持多种三维图像类型，如点云、线图、网格图等，非常适合处理需要高性能渲染的大型数据集。

以上是 Python 中常用的三维图像库，根据你的具体需求和应用场景，可以选择相应的库进行三维

数据可视化。

2.应用场景示例

1）地形数据可视化

借助三维图像库，你可以轻松地可视化地形数据，例如使用 PyVista 或 Mayavi 渲染数字高程模型 (DEM)。这些库可以处理大规模地形数据，并支持多种颜色映射和图层叠加，帮助你更好地理解地形特征和地理现象。

2）科学计算与仿真

在科学计算领域，三维图像可以帮助研究人员探索和分析各种物理、化学和生物过程。例如，在流体力学研究中，你可以使用 Mayavi 或 PyVista 创建三维流线图和速度矢量图，以直观地展示流场的特征。此外，这些库还可以用于可视化分子结构、电磁场、热传导等现象。

3）三维医学图像处理

在医学领域，三维图像库可以用于处理和可视化各种医学影像数据，如 CT、MRI 和 PET 等。借助 Mayavi 或 PyVista，你可以创建三维体渲染图和等值面图，用于分析和诊断病变、肿瘤和解剖结构。同时，这些库还支持与 DICOM 格式数据的集成，方便数据处理和分析。

4）三维数据分析

在数据分析领域，三维图像可以帮助你探索多变量数据的相关性和结构。使用 Plotly 或 Matplotlib，你可以创建交互式三维散点图、线图和曲面图，以分析数据的分布、趋势和聚类。此外，这些库还支持与 Pandas 和 NumPy 等数据处理库集成，使数据分析过程更加高效和便捷。

5）虚拟现实和游戏开发

Python 的三维图像库也可以用于创建虚拟现实和游戏应用。虽然 Python 不是游戏开发的首选语言，但借助 Vispy 或其他 OpenGL 库，你仍可以创建简单的三维场景和动画。这些库提供了灵活的渲染管线和实时交互功能，可以用于开发教育、科学和艺术应用。

总之，Python 提供了多种三维图像库，可以满足各种应用场景和需求。根据你的项目目标和技能水平，可以选择合适的库进行三维数据可视化和处理。

二、Python绘制三维图像

本文画的三维图x和y的长度须一致。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
 
length = 100
x = []
x = [i for i in range(-1 * length,length)]
Y = X = np.array(x)
X, Y = np.meshgrid(X, Y)
z = X*X + Y*Y
# z = 5*X*X + 8*Y*Y*Y
Z = np.array(z).reshape(length*2,length*2)
 
# 绘制表面
fig = plt.figure()
 
ax = fig.gca(projection='3d')
surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,linewidth=0, antialiased=False)
ax.zaxis.set_major_locator(LinearLocator(5))
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))
 
# 添加将值映射到颜色的颜色栏
fig.colorbar(surf, shrink=0.5, aspect=5)

运行结果图：