Matplotlib 2D-Daten auf einem 3D-Diagramm

PythonPythonBeginner
Jetzt üben

This tutorial is from open-source community. Access the source code

💡 Dieser Artikel wurde von AI-Assistenten übersetzt. Um die englische Version anzuzeigen, können Sie hier klicken

Einführung

In diesem Lab wird gezeigt, wie man 2D-Daten auf ausgewählten Achsen eines 3D-Diagramms mit dem Schlüsselwort zdir von ax.plot darstellt. Die matplotlib-Bibliothek in Python wird verwendet, um das 3D-Diagramm zu erstellen.

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 nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der 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

Der erste Schritt besteht darin, die erforderlichen Bibliotheken zu importieren. Wir benötigen matplotlib und numpy, um das 3D-Graphen zu erstellen.

import matplotlib.pyplot as plt
import numpy as np

Erstellen eines 3D-Diagramms

Der zweite Schritt besteht darin, ein 3D-Diagramm zu erstellen, indem man ax = plt.figure().add_subplot(projection='3d') verwendet.

ax = plt.figure().add_subplot(projection='3d')

2D-Daten auf dem 3D-Diagramm darstellen

Der dritte Schritt besteht darin, 2D-Daten auf dem 3D-Diagramm mit ax.plot und ax.scatter darzustellen. Die ax.plot-Funktion zeichnet eine Sinus-Kurve mit den x- und y-Achsen. Die ax.scatter-Funktion zeichnet Streudiagrammdaten auf den x- und z-Achsen.

## Zeichnet eine Sinus-Kurve mit den x- und y-Achsen.
x = np.linspace(0, 1, 100)
y = np.sin(x * 2 * np.pi) / 2 + 0.5
ax.plot(x, y, zs=0, zdir='z', label='curve in (x, y)')

## Zeichnet Streudiagrammdaten (20 2D-Punkte pro Farbe) auf den x- und z-Achsen.
colors = ('r', 'g', 'b', 'k')

## Fixiert den Zufallszustand für die Reproduzierbarkeit
np.random.seed(19680801)

x = np.random.sample(20 * len(colors))
y = np.random.sample(20 * len(colors))
c_list = []
for c in colors:
    c_list.extend([c] * 20)
## Indem man zdir='y' verwendet, wird der y-Wert dieser Punkte auf den zs-Wert 0 festgelegt
## und die (x, y)-Punkte werden auf den x- und z-Achsen gezeichnet.
ax.scatter(x, y, zs=0, zdir='y', c=c_list, label='points in (x, z)')

Diagramm anpassen

Der vierte Schritt besteht darin, das Diagramm anzupassen, indem man eine Legende hinzufügt, die Achsengrenzen und -beschriftungen setzt und den Blickwinkel ändert.

## Legende erstellen, Achsengrenzen und -beschriftungen setzen
ax.legend()
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.set_zlim(0, 1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

## Den Blickwinkel anpassen, um更容易 zu erkennen, dass die Streupunkte
## in der Ebene y=0 liegen
ax.view_init(elev=20., azim=-35, roll=0)

plt.show()

Diagramm anzeigen

Der letzte Schritt besteht darin, das 3D-Diagramm durch Ausführen des Codes anzuzeigen.

Zusammenfassung

In diesem Lab haben wir gelernt, wie man 2D-Daten auf ausgewählten Achsen eines 3D-Diagramms mit dem zdir-Schlüsselwort von ax.plot darstellt. Wir haben auch gelernt, wie man das Diagramm anpassen kann, indem man eine Legende hinzufügt, die Achsengrenzen und -beschriftungen setzt und den Blickwinkel ändert.