基于matplotlib的数据可视化 - 三维曲面图gca
1 语法
ax = plt.gca(projection='3d')
ax.plot_surface(x,y,z,rstride=行步距,cstride=列步距,cmap=颜色映射)
gca(**kwargs)
在当前图像上,获取与给定关键字args匹配的当前Axes的当前Axes实例,若不存在,则会返回一个新创建的实例。
帮助文档中的一个示例
plt.gca(projection='polar')
If the current axes doesn't exist, or isn't a polar one, the appropriate
axes will be created and then returned.
plot_surface(X, Y, Z, *args, **kwargs)
Create a surface plot. 在默认情况下,它将以纯色的阴影着色,不过可以通过提供* cmap *参数来支持颜色映射。
X, Y, Z : 2d arrays;Data values.
rcount, ccount : int;每个方向使用的最大样本数。 如果输入数据较大,则将对这些点数进行下采样(通过切片)。 默认为50。
rstride, cstride : int;向下采样在每个方向上的步幅。默认为50
color : color-like
cmap : Colormap
facecolors : array-like of colors.
norm : Normalize;colormap 的标准化(Normalization )
vmin, vmax : float;Bounds 界限的标准化(Normalization )
shade : bool;是否遮阴面部位的颜色。
2 示例
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import axes3d n = 1000 # 做1000*1000的点阵 # 用meshgrid生成一个二维数组 x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n)) z = (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 - y**2) ax = plt.gca(projection='3d') # 返回的对象就是导入的axes3d类型对象 plt.title('3D Surface', fontsize=20) ax.set_xlabel('x', fontsize=14) ax.set_ylabel('y', fontsize=14) ax.set_zlabel('z', fontsize=14) plt.tick_params(labelsize=10) ax.plot_surface(x, y, z, rstride=10, cstride=10, cmap='jet') plt.show()
python matplotlib.pyplot画矩形图 以及plt.gca()
- 基于Python的数据可视化 matplotlib seaborn pandas
- 基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解
- 【数据可视化】Daft:(Python)基于matplotlib绘制精美概率图模型
- 基于matplotlib的数据可视化(图形填充fill fill_between) - 笔记(二)
- 基于matplotlib的数据可视化 -
- 基于matplotlib的数据可视化 - 柱状图bar
- 基于matplotlib的数据可视化 - 笔记
- python—matplotlib数据可视化实例注解系列-----之柱状图
- matplotlib模块数据可视化-绘制柱状图
- python——数据可视化:matplotlib,seaborn,pandas
- matplotlib模块数据可视化-多图
- matplotlib模块数据可视化-设置次坐标轴
- 数据可视化——Matplotlib模块入门(一)
- matplotlib模块数据可视化-等高线图
- 数据可视化matplotlib的应用
- 数据可视化matplotlib的应用(二)
- Python Matplotlib实现三维数据的散点图绘制
- Python数据挖掘04---matplotlib数据可视化分析
- python—matplotlib数据可视化实例注解系列-----之横条图
- matplotlib数据可视化入门-python