使用 Matplotlib 在Python中绘制 3D 轮廓图

Matplotlib的引入牢记，只有二维绘图。但是在 1.0 版本发布的时候，3d 实用程序是在 2d 上开发的，因此，我们今天可以使用 3d 数据实现！通过导入mplot3d工具包启用 3d 绘图。让我们看一个 3d 余弦函数的 3d 等高线图。附上代码供参考。

Function Arguments	Description
meshgrid	Function of numpy used to create a rectangular grid out of two given one-dimensional arrays representing the Cartesian indexing or Matrix indexing
plt.axes()	To create object of the axis
ax.contour3D	To form the contour
ax.set_xlabel	To label the X-axis
ax.set_title	To give a title to the plot

示例 1：

from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
import math
  
x = [i for i in range(0, 200, 100)]
y = [i for i in range(0, 200, 100)]
  
X, Y = np.meshgrid(x, y)
Z = []
for i in x:
    t = []
    for j in y:
        t.append(math.cos(math.sqrt(i*2+j*2)))
    Z.append(t)
  
fig = plt.figure()
ax = plt.axes(projection='3d')
ax.contour3D(X, Y, Z, 50, cmap=cm.cool)
ax.set_xlabel('a')
ax.set_ylabel('b')
ax.set_zlabel('c')
ax.set_title('3D contour for cosine')
plt.show()

输出：

示例 2：让我们看另一个 3d 图，以便更好地理解这个概念。这次是 3d tan函数。

from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
import math
  
x = [i for i in range(0, 200, 100)]
y = [i for i in range(0, 200, 100)]
  
X, Y = np.meshgrid(x, y)
Z = []
for i in x:
    t = []
    for j in y:
        t.append(math.tan(math.sqrt(i*2+j*2)))
    Z.append(t)
  
fig = plt.figure()
ax = plt.axes(projection='3d')
ax.contour3D(X, Y, Z, 50, cmap=cm.cool)
ax.set_xlabel('a')
ax.set_ylabel('b')
ax.set_zlabel('c')
ax.set_title('3D contour for tan')
plt.show()

输出：