3d散點圖python

Ⅰ python Matplotlib畫圖

主要用於作圖、可視化問題

pip install matplotlib

導入模塊 pyplot 和 pylab ，可以參考下面鏈接觀察兩者區別：
https://www.cnblogs.com/Shoesy/p/6673947.html
（說白了就是pylay=pyplot+numpy）

輸入這三行解決

主要使用 plot() 來展示，裡面前兩個參數代表 x ， y 坐標（注意x，y數量要一樣），第三個參數可以用來設置散點圖( 'o' )或者顏色、線條形式等各種樣式，並且第三個參數可以同時傳入多個，比如要紅色的散點圖就： Ɔr'
(1)顏色樣式：

(2)線條樣式：

(3)點的樣式：

(4)坐標區間：

或者分別設置x、y的區間：

註：
設置點的樣式時默認就是散點圖，以及同類樣式只能設置一個（比如不能設置兩種顏色），並且還可以把多個圖集合在一起展示，那就多 plot 幾個，plot就相當於一個畫布，每plot一個就相當於在上面畫一張圖，再弄就繼續在上面畫

主要用 hist() 來顯示，實現方式很簡單，把一組數據放入括弧里就行了，例如隨機生成一堆正態分布的數，然後直方圖顯示：

其中如果要設置直方圖格式（寬度、上下限、是否要輪廓）可以這樣：

註：
直方圖和折線圖這些不太一樣，折線圖是傳入兩個等長數據，然後每個x、y坐標一一對應展示出來。而直方圖是：第一個參數代表你傳入的所有數據，第二個參數代表你傳入的x軸范圍，然後直方圖會將第一個參數里傳入的數據一個個計算在某個范圍內含有的數據量，因此傳入的兩個參數數據不一定要等長，例如下面的例子：

結果如圖：

可以看出數據被自動分配到對應的范圍內上了

使用 subplot(row, col, area) ：三個參數分別是行數、列數和區域，比如要將原圖分成2行2列（切成4份），然後要左下角那個圖就：

如果想4個圖都顯示就4個 subplot ，分別1、2、3、4就行了，然後在各圖的subplot之後寫的都是每個圖的內容，現在我們試試弄一個2行，第一行兩列的圖片（想像下滑鼠的樣子），而且分別是不同的內容：

註：
labels 、 sizes 、 colors 和 explode 的長度都要一樣

1.導入3D圖相關模塊：

2.將畫圖板加到3D模塊里，然後加入數據即可：

3D散點圖舉例：

通過 imread() 讀取，舉例：

https://blog.csdn.net/qq_34859482/article/details/80617391

Ⅱ python 繪制三維圖形、三維數據散點圖

1. 繪制3D曲面圖

from matplotlib import pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

fig=plt.figure()

ax=Axes3D(fig)

x=np.arange(-4,4,0.25)

y=np.arange(-4,4,0.25)

x,y=np.meshgrid(x,y)

r=np.sqrt(x**2, y**2)

z=np.sin（r）

//繪面函數

ax.plot_surface（x,y,z,rstride=1,cstride=1,cmap=「rainbow」

plt.show（）

2.繪制三維的散點圖（表述一些數據點分布）

4a.mat數據地址：http blog.csdn.net/eddy_zhang/article/details/50496164

from matplotlib import pyplot as plt

import scipy.io as sio

from mpl_toolkits.mplot3d import Axes3D

matl=『4a.mat』

data=sio.loadmat（matl）

m=data[『data』]

x,y,z=m[0],m[1],m[2]

//創建一個繪圖工程

ax=plt.subplot（111,project=『3D』）

//將數據點分成三部分畫，在顏色上有區分度

ax.scatter（x[：1000], y[：1000], z[：1000],c=『y』 ）//繪制數據點

ax.scatter（x[1000：4000], y[1000：4000], z[1000：4000],c=『r』 ）//繪制數據點

ax.scatter（x[4000：], y[4000：], z[4000：],c=『g』 ）//繪制數據點

ax.set_zlable（『z』）//坐標軸

ax.set_ylable（『y』）//坐標軸

ax.set_xlable（『x』）

plt.show（）

Ⅲ Python實現彩色散點圖繪制（利用色帶對散點圖進行顏色渲染）

接受自己的普通，然後全力以赴的出眾，告訴自己要努力，但不要著急....

當然， 這個結果並不是我真正想要的，Pass, 太丑了！

好吧，安排，我們先看下實現後的效果！

這個效果自然就比之前的好多了！

實現python散點圖繪制需要用到matplotlib庫， matplotlib庫是專門用於可視化繪圖的工具庫；學習一個新的庫當然看官方文檔了： https://www.osgeo.cn/matplotlib/contents.html

實現思路：

matplotlib.pyplot.scatter() 函數是專門繪制散點圖的函數： https://www.osgeo.cn/matplotlib/api/_as_gen/matplotlib.pyplot.scatter.html?highlight=scatter#matplotlib.pyplot.scatter

matplotlib.pyplot.scatter ( x, y , s=None , c=None , marker=None , cmap=None , norm=None , vmin=None , vmax=None , alpha=None , linewidths=None , verts=None , edgecolors=None , ***, data=None , ** kwargs ) **

plt.scatter(observation, estimate, c=Z1, cmap=colormap, marker=".", s=marker_size, norm=colors.LogNorm(vmin=Z1.min(), vmax=0.5 * Z1.max()))
其中：
1、c參數為計算的散點密度；
2、cmap為色帶（matplotlib裡面自帶了很多色帶可供選擇）,參見：
https://www.osgeo.cn/matplotlib/gallery/color/colormap_reference.html
3、由於計算的散點密度數值大小分散，因此利用norm參數對散點密度Z1進行歸一化處理(歸一化方式很多，參見colors類)，並給歸一化方式設置色帶刻度的最大最小值vmin和vmax(一般這兩個參數就是指定散點密度的最小值和最大值)，這樣就建立起了密度與色帶的映射關系。
https://matplotlib.org/tutorials/colors/colormapnorms.html

（這里的結果與前面展示的相比改變了計算散點密度的半徑：radius = 3以及繪制散點圖的散點大小marksize）

作者能力水平有限，歡迎各位批評指正！

Ⅳ 怎樣用python畫圖，為什麼代碼寫好運行時錯誤

python繪圖（可視化）的模塊非常多，下面我簡單介紹幾個不錯的繪圖庫，感興趣的朋友可以自己嘗試一下，實驗環境win7+python3.6+pycharm5.0，主要內容如下：

matplotlib
這是python中專門用於繪圖的一個模塊，功能強大，制圖種類繁多，使用也最廣泛，下面我簡單介紹一下這個模塊的安裝和使用：

1.首先，安裝matplotlib模塊，這個直接在cmd窗口輸入安裝命令「pip install matplotlib」就行，如下：

2.安裝完成後，我們就可以編寫代碼進行一下簡單測試了，代碼如下，一個稍微復雜的曲線圖：

程序運行效果如下，看著還是非常不錯的：

3.更多示例的話，可以參考一下官網教程，介紹的非常詳細，柱狀圖、散點圖、餅圖等都有，非常適合初學者學習入門：

seaborn
這是一個基於matplotlib的繪圖庫，是matplotlib的高級封裝，代碼量更少，使用起來也更方便，下面我簡單介紹一下這個模塊的安裝和使用：

1.首先，安裝seaborn模塊，這個也直接輸入安裝命令「pip install seaborn」就行，如下，很快就能安裝完成：

2.安裝完成後，我們就可以直接編寫代碼來測試一下這個模塊了，代碼如下，一個折線圖集合：

程序運行截圖如下，效果也非常不錯：

3.更多示例的話，也直接參考官網教程就行，介紹的非常詳細，很適合初學者入門學習：

pyecharts
這是echarts的一個python介面，藉助於echarts強大的可視化功能，python也可以快速構建、繪制各種各樣的圖表，下面我簡單介紹一下這個模塊的安裝和使用：

1.首先，安裝pyecharts模塊，這個也直接輸入命令「pip install pyecharts」就行，如下：

2.安裝完成後，我們就可以編寫代碼來進行下測試了，測試代碼如下，一個簡單的3D散點圖：

程序運行截圖如下（基於瀏覽器進行顯示），效果還是非常不錯的：

至此，我們就完成了利用python來進行繪圖（可視化）。總的來說，這3個繪圖模塊使用起來都非常不錯，對於大多數圖表繪制來說，完全可以滿足需求，當然，還有許多其他繪圖模塊，像ggplot等，也都非常不錯，網上也有相關教程，感興趣的話，可以搜一下，希望以上分享的內容能對你有所幫助吧，也歡迎大家評論、留言進行補充。

python畫圖有很多擴展可以用，比如matplotlib、turtle、pychart等等，看你需要什麼方面了，不同的需求需要用不同的工具。如果做界面還有pyqt、tkinter等等，做 游戲 還有pygame等等。

python報錯需要查看報錯信息，進行調試才能正常運行

Ⅳ python多維數據怎麼繪制散點圖

python matplotlib模塊，是擴展的MATLAB的一個繪圖工具庫。他可以繪制各種圖形，可是最近最的一個小程序，得到一些三維的數據點圖，就學習了下python中的matplotlib模塊，如何繪制三維圖形。

初學者，可能對這些第三方庫安裝有一定的小問題，對於一些安裝第三方庫經驗較少的朋友，建議使用 Anaconda ，集成了很多第三庫，基本滿足大家的需求，下載地址，對應選擇python 2.7 或是 3.5 的就可以了（PS：後面的demo是python2.7）：

首先提醒注意，以下兩個函數的區別：

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow') #繪面1

和

ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c='r') #繪點1

1、繪制3D曲面圖

# -*- coding: utf-8 -*-"""
Created on Thu Sep 24 16:17:13 2015

@author: Eddy_zheng
"""from matplotlib import pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)# 具體函數方法可用 help(function) 查看，如：help(ax.plot_surface)ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')

plt.show()

效果展示：

2、繪制三維的散點圖（通常用於表述一些數據點分布）

4a.mat 數據地址，找到4a.mat 下載即可:

# -*- coding: utf-8 -*-"""
Created on Thu Sep 24 16:37:21 2015

@author: Eddy_zheng
"""import scipy.io as sio
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as plt

mat1 = '4a.mat' #這是存放數據點的文件，需要它才可以畫出來。上面有下載地址data = sio.loadmat(mat1)
m = data['data']

x,y,z = m[0],m[1],m[2]
ax=plt.subplot(111,projection='3d') #創建一個三維的繪圖工程#將數據點分成三部分畫，在顏色上有區分度ax.scatter(x[:1000],y[:1000],z[:1000],c='y') #繪制數據點ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c='r')
ax.scatter(x[4000:],y[4000:],z[4000:],c='g')

ax.set_zlabel('Z') #坐標軸ax.set_ylabel('Y')
ax.set_xlabel('X')
plt.show()24252627

效果：

上面就是學習區分了下兩個函數，當時還被小困惑了下，希望對大家有所幫助。其實裡面還有好多參數設置，比如說改變顏色，包括繪制點圖的點的形狀等都是可以改變的，有需要的大家可以自己看看這個函數，學習下(help(對應的function))。

版權聲明：本文為博主原創文章，未經博主允許不得轉載。Eddy_zheng

Ⅵ Python之神奇的繪圖庫matplotlib

matplotlib是Python最著名的繪圖庫，它提供了一整套和matlab相似的命令API，十分適合互動式地進行制圖。本文將以例子的形式分析matplot中支持的，分析中常用的幾種圖。其中包括填充圖、散點圖(scatter plots)、. 條形圖(bar plots)、等高線圖(contour plots)、 點陣圖和3D圖，下面來一起看看詳細的介紹：

一、填充圖

參考代碼

簡要分析

這里主要是用到了fill_between函數。這個函數很好理解，就是傳入x軸的數組和需要填充的兩個y軸數組；然後傳入填充的范圍，用where=來確定填充的區域；最後可以加上填充顏色啦，透明度之類修飾的參數。

相關推薦：《Python教程》

效果圖

二、散點圖(scatter plots)

參考代碼

簡要分析

1.首先介紹一下numpy 的normal函數，很明顯，這是生成正態分布的函數。這個函數接受三個參數，分別表示正態分布的平均值，標准差，還有就是生成數組的長度。很好記。

2.然後是arctan2函數，這個函數接受兩個參數，分別表示y數組和x數組，然後返回對應的arctan(y/x)的值，結果是弧度制。

3.接下來用到了繪制散點圖的scatter方法，首先當然是傳入x和y數組，接著s參數表示scale，即散點的大小；c參數表示color，我給他傳的是根據角度劃分的一個數組，對應的就是每一個點的顏色（雖然不知道是怎麼對應的，不過好像是一個根據數組內其他元素進行的相對的轉換，這里不重要了，反正相同的顏色賦一樣的值就好了）；最後是alpha參數，表示點的透明度。scatter函數的高級用法可以參見官方文檔scatter函數或者help文檔，最後設置下坐標范圍就好了。

效果圖

三、等高線圖(contour plots)

參考代碼

簡要分析

1.首先要明確等高線圖是一個三維立體圖，所以我們要建立一個二元函數f，值由兩個參數控制，(注意，這兩個參數都應該是矩陣)。

2.然後我們需要用numpy的meshgrid函數生成一個三維網格，即，x軸由第一個參數指定，y軸由第二個參數指定。並返回兩個增維後的矩陣，今後就用這兩個矩陣來生成圖像。

3.接著就用到coutourf函數了，所謂contourf，大概就是contour fill的意思吧，只填充，不描邊；這個函數主要是接受三個參數，分別是之前生成的x、y矩陣和函數值；接著是一個整數，大概就是表示等高線的密度了，有默認值；然後就是透明度和配色問題了，cmap的配色方案這里不多研究。

4.隨後就是contour函數了，很明顯，這個函數是用來描線的。用法可以類似的推出來，不解釋了，需要注意的是他返回一個對象，這個對象一般要保留下來個供後續的加工細化。

5.最後就是用clabel函數來在等高線圖上表示高度了，傳入之前的那個contour對象；然後是inline屬性，這個表示是否清除數字下面的那條線，為了美觀當然是清除了，而且默認的也是1；再就是指定線的寬度了。

效果圖

Ⅶ 如何採用Python語言來化散點圖

1、打開自己的winPython程序，如圖所示；

Ⅷ Python如何運用matplotlib庫繪制3D圖形

3D圖形在數據分析、數據建模、圖形和圖像處理等領域中都有著廣泛的應用，下面將給大家介紹一下如何在Python中使用 matplotlib進行3D圖形的繪制，包括3D散點、3D表面、3D輪廓、3D直線（曲線）以及3D文字等的繪制。

准備工作：

python中繪制3D圖形，依舊使用常用的繪圖模塊matplotlib，但需要安裝mpl_toolkits工具包，安裝方法如下：windows命令行進入到python安裝目錄下的Scripts文件夾下，執行： pip install --upgrade matplotlib即可；Linux環境下直接執行該命令。

安裝好這個模塊後，即可調用mpl_tookits下的mplot3d類進行3D圖形的繪制。

下面以實例進行說明。

1、3D表面形狀的繪制

這段代碼是繪制一個3D的橢球表面，結果如下：

2、3D直線（曲線）的繪制

這段代碼用於繪制一個螺旋狀3D曲線，結果如下：

3、繪制3D輪廓

繪制結果如下：

相關推薦：《Python視頻教程》

4、繪制3D直方圖

繪制結果如下：

5、繪制3D網狀線

繪制結果如下：

6、繪制3D三角面片圖

繪制結果如下：

7、繪制3D散點圖

繪制結果如下：