图形学3D渲染管线学习
925 2023-04-03 03:54:24
最初开发的 Matplotlib,仅支持绘制 2d 图形,后来随着版本的不断更新, Matplotlib 在二维绘图的基础上,构建了一部分较为实用的 3D 绘图程序包,比如 mpl_toolkits.mplot3d
,通过调用该程序包一些接口可以绘制 3D散点图、3D曲面图、3D线框图等
mpl_toolkits 是 Matplotlib 的绘图工具包。
下面编写第一个三维绘图程序。
首先创建一个三维绘图区域, plt.axes() 函数提供了一个参数projection
,将其参数值设置为 "3d"。如下所示:
#导入三维工具包mplot3d
from
mpl_toolkits
import
mplot3d
import
numpy as np
import
matplotlib.pyplot as plt
fig
=
plt.figure()
#创建3d绘图区域
ax
=
plt.axes(projection
=
'3d'
)
有了三维绘图区域,接下来就要构建 3d 图像,如下所示:
?1234#从三个维度构建
z
=
np.linspace(
0
,
1
,
100
)
x
=
z
*
np.sin(
20
*
z)
y
=
z
*
np.cos(
20
*
z)
最后调用 plot3D() 方法绘制 3d 图形,代码如下:
?1234#调用 ax.plot3D创建三维线图
ax.plot3D(x, y, z,
'gray'
)
ax.set_title(
'3D line plot'
)
plt.show()
完整程序如下所示:
?123456789101112from
mpl_toolkits
import
mplot3d
import
numpy as np
import
matplotlib.pyplot as plt
fig
=
plt.figure()
#从三个维度构建
z
=
np.linspace(
0
,
1
,
100
)
x
=
z
*
np.sin(
20
*
z)
y
=
z
*
np.cos(
20
*
z)
#调用 ax.plot3D创建三维线图
ax.plot3D(x, y, z,
'gray'
)
ax.set_title(
'3D line plot'
)
plt.show()
输出结果如下所示:
图1:三维线图(3D Line)
上述代码中的 ax.plot3D() 函数可以绘制各种三维图形,这些三维图都要根据(x,y,z)
三元组类来创建。
通过 ax.scatter3D() 函数可以绘制 3D 散点图,示例代码如下:
?1234567891011121314from
mpl_toolkits
import
mplot3d
import
numpy as np
import
matplotlib.pyplot as plt
fig
=
plt.figure()
#创建绘图区域
ax
=
plt.axes(projection
=
'3d'
)
#构建xyz
z
=
np.linspace(
0
,
1
,
100
)
x
=
z
*
np.sin(
20
*
z)
y
=
z
*
np.cos(
20
*
z)
c
=
x
+
y
ax.scatter3D(x, y, z, c
=
c)
ax.set_title(
'3d Scatter plot'
)
plt.show()
输出结果图:
图2:Matplotlib 3D绘图
ax.contour3D() 可以用来创建三维等高线图,该函数要求输入数据均采用二维网格式的矩阵坐标。同时,它可以在每个网格点(x,y)处计算出一个 z 值。
以下示例展示了如何绘制三维正弦等高线图。代码如下:
?1234567891011121314151617181920from
mpl_toolkits
import
mplot3d
import
numpy as np
import
matplotlib.pyplot as plt
def
f(x, y):
return
np.sin(np.sqrt(x
*
*
2
+
y
*
*
2
))
#构建x、y数据
x
=
np.linspace(
-
6
,
6
,
30
)
y
=
np.linspace(
-
6
,
6
,
30
)
#将数据网格化处理
X, Y
=
np.meshgrid(x, y)
Z
=
f(X, Y)
fig
=
plt.figure()
ax
=
plt.axes(projection
=
'3d'
)
#50表示在z轴方向等高线的高度层级,binary颜色从白色变成黑色
ax.contour3D(X, Y, Z,
50
, cmap
=
'binary'
)
ax.set_xlabel(
'x'
)
ax.set_ylabel(
'y'
)
ax.set_zlabel(
'z'
)
ax.set_title(
'3D contour'
)
plt.show()
输出结果图如下:
图3:绘制三维轮廓图
线框图同样要采用二维网格形式的数据,与绘制等高线图类似。
线框图可以将数据投影到指定的三维表面上,并输出可视化程度较高的三维效果图。通过 plot_wireframe() 能够绘制 3D 线框图。代码如下:
?1234567891011121314151617181920from
mpl_toolkits
import
mplot3d
import
numpy as np
import
matplotlib.pyplot as plt
#要绘制函数图像
def
f(x, y):
return
np.sin(np.sqrt(x
*
*
2
+
y
*
*
2
))
#准备x,y数据
x
=
np.linspace(
-
6
,
6
,
30
)
y
=
np.linspace(
-
6
,
6
,
30
)
#生成x、y网格化数据
X, Y
=
np.meshgrid(x, y)
#准备z值
Z
=
f(X, Y)
#绘制图像
fig
=
plt.figure()
ax
=
plt.axes(projection
=
'3d'
)
#调用绘制线框图的函数plot_wireframe()
ax.plot_wireframe(X, Y, Z, color
=
'black'
)
ax.set_title(
'wireframe'
)
plt.show()
输出结果如下:
图4:Matplotlib绘制线框图
曲面图表示一个指定的因变量y与两个自变量x和z之间的函数关系。
3D 曲面图是一个三维图形,它非常类似于线框图。不同之处在于,线框图的每个面都由多边形填充而成。Matplotlib 提供的 plot_surface() 函数可以绘制 3D 曲面图,该函数需要接受三个参数值 x,y 和 z 。示例代码如下:
?12345678910111213141516from
mpl_toolkits
import
mplot3d
import
numpy as np
import
matplotlib.pyplot as plt
#求向量积(outer()方法又称外积)
x
=
np.outer(np.linspace(
-
2
,
2
,
30
), np.ones(
30
))
#矩阵转置
y
=
x.copy().T
#数据z
z
=
np.cos(x
*
*
2
+
y
*
*
2
)
#绘制曲面图
fig
=
plt.figure()
ax
=
plt.axes(projection
=
'3d'
)
调用plot_surface()函数
ax.plot_surface(x, y, z,cmap
=
'viridis'
, edgecolor
=
'none'
)
ax.set_title(
'Surface plot'
)
plt.show()
输出结果图:
图5:Matplotlib绘制曲面图
以上就是Python Matplotlib 实现3D绘图详解的详细内容,更多关于Python Matplotlib 3D绘图的资料请关注脚本之家其它相关文章!
您可能感兴趣的文章: