【深度学习】 Python 和 NumPy 系列教程（十五）：Matplotlib详解：2、3d绘图类型（1）：线框图（Wireframe Plot）

目录

 一、前言

二、实验环境

三、Matplotlib详解

 1、2d绘图类型

2、3d绘图类型

0. 设置中文字体

1. 线框图（Wireframe Plot）

---

 一、前言

        Python是一种高级编程语言，由Guido van Rossum于1991年创建。它以简洁、易读的语法而闻名，并且具有强大的功能和广泛的应用领域。Python具有丰富的标准库和第三方库，可以用于开发各种类型的应用程序，包括Web开发、数据分析、人工智能、科学计算、自动化脚本等。

        Python本身是一种伟大的通用编程语言，在一些流行的库（numpy，scipy，matplotlib）的帮助下，成为了科学计算的强大环境。本系列将介绍Python编程语言和使用Python进行科学计算的方法，主要包含以下内容：

• Python：基本数据类型、容器（列表、元组、集合、字典）、函数、类
• Numpy：数组创建、数组操作、数组数学、广播
• Matplotlib：2d绘图、3d绘图、图表自定义、多子图和布局、图表自定义、多子图和布局
• IPython：创建笔记本、典型工作流程

二、实验环境

matplotlib	3.5.3
numpy	1.21.6
python	3.7.16

• 运行下述命令检查Python版本

 python --version 

• 运行下述代码检查Python、NumPy、Matplotlib版本

import sys
import numpy as np
import matplotlibprint("Python 版本:", sys.version)
print("NumPy 版本:", np.__version__)
print("matplotlib 版本:", matplotlib.__version__)

三、Matplotlib详解

        Matplotlib是一个用于创建数据可视化的Python库。它提供了广泛的绘图选项，能够生成各种类型的图表、图形和可视化效果。下面是Matplotlib的一些主要功能：

1. 绘图风格和类型：Matplotlib支持各种绘图风格和类型，包括线图、散点图、柱状图、饼图、等高线图、3D图等，可以根据需要选择适合的图表类型来展示和分析数据。

2. 数据可视化：Matplotlib使得将数据转化为可视化表示变得简单，可以使用Matplotlib绘制图表来展示数据的分布、趋势、关系等，这有助于更好地理解数据和发现潜在的模式和关联。

3. 图表自定义：Matplotlib提供了丰富的图表自定义选项，可以调整图表的标题、标签、坐标轴、线条样式、颜色等。这使得您能够创建符合特定需求和品味的高质量图表。

4. 多子图和布局：Matplotlib允许您在单个图像中创建多个子图，以便同时展示多个相关的图表或数据视图。您可以自定义子图的布局和排列，以满足特定的展示需求。

5. 导出图像：Matplotlib支持将图像导出为多种格式，包括PNG、JPEG、PDF、SVG等。这使得您可以方便地将生成的图表保存为文件，或嵌入到文档、报告和演示文稿中。

        无论是进行科学研究、数据分析、报告撰写还是可视化展示，Matplotlib都是一个强大而灵活的工具。它广泛应用于各个领域，如数据科学、机器学习、金融分析、工程可视化等。

 1、2d绘图类型

2d绘图（上）：折线图、散点图、柱状图、直方图、饼图_QomolangmaH的博客-CSDN博客https://blog.csdn.net/m0_63834988/article/details/132872575?spm=1001.2014.3001.5501

2d绘图（下）：箱线图、热力图、面积图、等高线图、极坐标图_QomolangmaH的博客-CSDN博客https://blog.csdn.net/m0_63834988/article/details/132890656?spm=1001.2014.3001.5501

2、3d绘图类型

0. 设置中文字体

import matplotlibmatplotlib.rcParams['font.family'] = 'Microsoft YaHei'  # 设置为微软雅黑字体
matplotlib.rcParams['font.sans-serif'] = ['SimHei']     # 设置中文字体为黑体

        若不进行该设置，会报错字体缺失

1. 线框图（Wireframe Plot）

        用于可视化三维数据，通过绘制连接数据点的线来显示数据的分布和形状。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np# 生成数据
x = np.linspace(-5, 5, 50)  # x轴坐标
y = np.linspace(-5, 5, 50)  # y轴坐标
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))  # z轴坐标，这里使用sin函数生成一个曲面# 创建一个三维坐标系
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')# 绘制线框图
ax.plot_wireframe(X, Y, Z)# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')# 显示图形
plt.show()

• 生成了x轴和y轴的坐标点
• 使用np.meshgrid函数生成网格点坐标，再根据坐标计算出对应的z轴坐标。
• 创建了一个三维坐标系，并使用ax.plot_wireframe函数绘制线框图，该函数接受三个参数：X、Y和Z，分别表示网格点的x、y、z坐标。
• 我们设置了坐标轴的标签，并使用plt.show()显示图形。