Einführung
In diesem Lab werden wir lernen, wie man einen 3D-Graphen mit 2D-Säulendiagrammen, die auf verschiedene Ebenen projiziert sind, erstellt. Wir werden die Matplotlib-Bibliothek in Python verwenden, um die Visualisierungen zu generieren. Dieses Lab setzt ein grundlegendes Verständnis der Python-Syntax und der Matplotlib-Bibliothek voraus.
Tipps für die VM
Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu öffnen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.
Bibliotheken importieren
Wir beginnen, indem wir die erforderlichen Bibliotheken für dieses Lab importieren. Wir werden die NumPy-Bibliothek verwenden, um zufällige Daten zu generieren, und die Matplotlib-Bibliothek, um den 3D-Graphen zu erstellen.
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(19680801)
Erstellen einer Figur und eines Teilplots
Als nächstes werden wir eine Figur und einen Teilplot für unseren 3D-Graphen erstellen. Wir werden die add_subplot()-Methode verwenden, um eine 3D-Projektion zu erstellen.
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
Generieren von Daten für die Säulendiagramme
Wir werden nun die Daten für die Säulendiagramme generieren. Wir werden vier Datensätze erstellen, jeder mit 20 Werten. Wir werden die NumPy-arange()-Methode verwenden, um ein Array von 20 Werten zu erstellen, und die NumPy-random.rand()-Methode, um für jeden Datensatz zufällige Werte zu generieren.
colors = ['r', 'g', 'b', 'y']
yticks = [3, 2, 1, 0]
for c, k in zip(colors, yticks):
xs = np.arange(20)
ys = np.random.rand(20)
Anpassen der Säulendiagramme
Wir werden nun die Säulendiagramme anpassen. Wir werden ein Array von Farben erstellen und die bar()-Methode verwenden, um die Säulendiagramme zu zeichnen. Wir werden den zdir-Parameter auf 'y' setzen, um die Säulendiagramme auf die Ebenen der y-Achse zu projizieren. Wir werden auch den alpha-Parameter auf 0,8 setzen, um die Transparenz der Säulen anzupassen.
cs = [c] * len(xs)
cs[0] = 'c'
ax.bar(xs, ys, zs=k, zdir='y', color=cs, alpha=0.8)
Anpassen der Achsen
Wir werden nun die Achsen des 3D-Graphen anpassen. Wir werden die Beschriftungen der x-, y- und z-Achsen mit den Methoden set_xlabel(), set_ylabel() und set_zlabel() festlegen. Wir werden auch die Markierungen auf der y-Achse mit der Methode set_yticks() festlegen.
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_yticks(yticks)
Anzeigen des Graphen
Wir werden die show()-Methode verwenden, um den 3D-Graphen anzuzeigen.
plt.show()
Zusammenfassung
In diesem Lab haben wir gelernt, wie man mit der Matplotlib-Bibliothek in Python einen 3D-Graphen mit 2D-Säulendiagrammen erstellt, die auf verschiedene Ebenen projiziert sind. Wir haben zufällige Daten generiert und die Säulendiagramme und Achsen des Graphen anpassen. Anschließend haben wir den Graphen mit der show()-Methode angezeigt.