荐 Python之数据分析（三维立体图像、极坐标系、半对数坐标）

写在前面：

import numpy as np
import matplotlib.pylab as mp
因此文章中的np就代表numpy库，mp就代表pylab绘图库

一、三维立体图像

• 导入类：from mpl_toolkits.mplot3d import axes3d
• 获得三维坐标轴：ax = mp.gca(projection=‘3d’)

1、三维线框

• 格式：ax.plot_wireframe(x, y, z, rstride=行距, cstrid=列距, linewidth=线宽, color=颜色)
• 测试代码：

import numpy as np
import matplotlib.pylab as mp
from mpl_toolkits.mplot3d import axes3d

n = 1000
# 栅格化：两组1000个-3到3的一维数组成x和y，会形成1000*1000个焦点的二维数组
x, y = np.meshgrid(np.linspace(-3, 3, n),
                   np.linspace(-3, 3, n))

# uniform：均匀分布，每个随机数概率一样在0.5和1.0之内产生n个随机数
y1 = (1 - x/n) * np.random.uniform(0.5, 1.0, n)  # (1 - x/n)为了方便显示
y2 = (1 - x/n) * np.random.uniform(0.5, 1.0, n)
z = (1 - x/2 + x**5 + y**3) * \
    np.exp(-x**2 - y**2)
# 换行做运算需要用\隔开，exp是底数为x指数是-x**2 - y**2


# 图像属性
mp.figure("3D Wireframe")

# 创建3D坐标轴
ax = mp.gca(projection='3d')

mp.title("3D Wireframe", fontsize=20)  # 图像标题

# X、Y、Z坐标轴文本
ax.set_xlabel('X', fontsize=14)
ax.set_ylabel('Y', fontsize=14)
ax.set_zlabel('Z', fontsize=14)

mp.tick_params(labelsize=10)  # 刻度标签大小

# 绘制三维线框图像
ax.plot_wireframe(x, y, z, rstride=30, cstride=30, linewidth=0.5, color='orangered')


mp.show()

• 测试效果
  

2、三维曲面

• 格式：ax.plot_surface(x, y, z, rstride=行距, cstrid=列距, cmap=颜色映射)
• 测试代码：

import numpy as np
import matplotlib.pylab as mp
from mpl_toolkits.mplot3d import axes3d

n = 1000
# 栅格化：两组1000个-3到3的一维数组成x和y，会形成1000*1000个焦点的二维数组
x, y = np.meshgrid(np.linspace(-3, 3, n),
                   np.linspace(-3, 3, n))

# uniform：均匀分布，在0.5和1.0之内产生n个随机数
y1 = (1 - x/n) * np.random.uniform(0.5, 1.0, n)  # (1 - x/n)为了方便显示
y2 = (1 - x/n) * np.random.uniform(0.5, 1.0, n)
z = (1 - x/2 + x**5 + y**3) * \
    np.exp(-x**2 - y**2)
# 换行做运算需要用\隔开，exp是底数为x指数是-x**2 - y**2

# 图像属性
mp.figure("3D Surface")

# 创建3D坐标轴
ax = mp.gca(projection='3d')

mp.title("3D Surface", fontsize=20)  # 图像标题

# X、Y、Z坐标轴文本
ax.set_xlabel('X', fontsize=14)
ax.set_ylabel('Y', fontsize=14)
ax.set_zlabel('Z', fontsize=14)

mp.tick_params(labelsize=10)  # 刻度标签大小

# 绘制三维线框图像：行距列距越小，画的图越密集
ax.plot_surface(x, y, z, rstride=10, cstride=10, cmap='jet')


mp.show()

• 测试效果：
  

3、三维散点

• 格式：ax.scatter(x, y, z, s=大小, c=颜色, marker=点型)
• 测试代码：

import numpy as np
import matplotlib.pylab as mp
from mpl_toolkits.mplot3d import axes3d

# 获得1000个使用随机作为服从正态分布的数据样本（数组）
n = 1000
x = np.random.normal(0, 1, n)  # 一参为标准差，二参为分布平坦性（越大越分散，越小越集中），三参为点的个数
y = np.random.normal(0, 1, n)
z = np.random.normal(0, 1, n)
d = np.sqrt(x ** 2 + y ** 2 + z ** 2)  # 根号下 x平方加y平方 作为点到正态中心的距离

# 绘制图像
mp.figure("Scatter 3D")
ax = mp.gca(projection='3d')
mp.title("Scatter 3D", fontsize=20)  # 图像标题

ax.set_xlabel('X', fontsize=14)  # X、Y刻度显示的文本
ax.set_ylabel('Y', fontsize=14)
ax.set_zlabel('Z', fontsize=14)

mp.tick_params(labelsize=10)  # 刻度标签大小

ax.scatter(x, y, z, s=60, c=d, cmap="jet_r", alpha=0.5, marker='*')  # marker常用D，*，s，默认圆点o

mp.show()

• 测试效果：
  

二、极坐标系

1、格式
ax = mp.gca(projection=‘polar’)
mp.plot…
mp.scatter…
x、y分别对应极角、极径

2、测试代码

import numpy as np
import matplotlib.pylab as mp

t = np.linspace(0, 2 * np.pi, 1001)  # 极角
# 螺旋线
r_spiral = 0.8 * t  # 螺旋线，极径与极角是0.8倍的关系
# 玫瑰线
r_rose = 5 * np.sin(6 * t)

# 绘制图像
mp.figure("Polar", facecolor='lightgray')
ax = mp.gca(projection='polar')
mp.title("Polar", fontsize=20)  # 图像标题

# 坐标文本：极角，极径
ax.set_xlabel(r'$\theta$', fontsize=14)
ax.set_ylabel(r'$\rho$', fontsize=14)
mp.grid(linestyle=':')

# 螺旋线
mp.plot(t, r_spiral, c='dodgerblue', label=r'$\rho=0.8\theta$')
# 玫瑰线
mp.plot(t, r_rose, c='red', label=r'$\rho=5sin(6\theta)$')

mp.tick_params(labelsize=10)  # 刻度标签大小

mp.legend()
mp.show()

3、测试效果

三、半对数坐标

1、格式
mp.semilogy(…参数与mp.plot一样)
mp.semilogx()

2、测试代码

import numpy as np
import matplotlib.pylab as mp

y = np.array([1, 10, 100, 1000, 100, 10, 1])  # y坐标序列


# 绘制图像
mp.figure("Normal & Log", facecolor='lightgray')

mp.subplot(2, 1, 1)  # 创建位置在2行1列的子图

# 普通plot
mp.title("Normal", fontsize=16)  # 图像标题
mp.ylabel('Y', fontsize=12)

# 刻度定位：x方向
ax = mp.gca()
ax.xaxis.set_major_locator(
    mp.MultipleLocator(1)  # 多点定位器主刻度
)
ax.xaxis.set_minor_locator(
    mp.MultipleLocator(0.1)  # 多点定位器次刻度
)
# y方向
ax.yaxis.set_major_locator(
    mp.MultipleLocator(250)  # 多点定位器主刻度
)
ax.yaxis.set_minor_locator(
    mp.MultipleLocator(50)  # 多点定位器次刻度
)

# 设置主刻度网格线
mp.grid(which='major', axis='both', linewidth=0.75, linestyle='-', color='lightgray')
# 设置次刻度网格线
mp.grid(which='minor', axis='both', linewidth=0.25, linestyle='-', color='lightgray')
mp.plot(y, 'o-', c='dodgerblue', label='plot')
mp.legend()

mp.subplot(2, 1, 2)  # 创建位置在2行1列的子图
# 对数plot坐标
mp.title("Log", fontsize=16)  # 图像标题
mp.xlabel('X', fontsize=12)
mp.ylabel('Y', fontsize=12)

# 刻度定位：x方向
ax = mp.gca()
ax.xaxis.set_major_locator(
    mp.MultipleLocator(1)  # 多点定位器主刻度
)
ax.xaxis.set_minor_locator(
    mp.MultipleLocator(0.1)  # 多点定位器次刻度
)
# y方向：按照缺省来自动设置

# 设置主刻度网格线
mp.grid(which='major', axis='both', linewidth=0.75, linestyle='-', color='lightgray')
# 设置次刻度网格线
mp.grid(which='minor', axis='both', linewidth=0.25, linestyle='-', color='lightgray')
mp.semilogy(y, 'o-', c='orangered', label='semilog')
mp.legend()

mp.tight_layout()
mp.show()

3、测试效果

本文地址：https://blog.csdn.net/Viewinfinitely/article/details/107284551