如何使用Python和Plotly繪製3D圖形

本文分享自華爲雲社區《Plotly繪製3D圖形》 ，作者：檸檬味擁抱。

在數據可視化領域，三維圖形是一種強大的工具，可以展示數據之間的複雜關係和結構。Python語言擁有豐富的數據可視化庫，其中Plotly是一款流行的工具，提供了繪製高質量三維圖形的功能。本文將介紹如何使用Python和Plotly來繪製各種類型的3D圖形，並給出代碼實例。

準備工作

首先，確保你已經安裝了Plotly庫。你可以使用pip命令來安裝：

pip install plotly

接下來，我們將使用Plotly的plotly.graph_objects模塊來創建3D圖形。我們還將使用numpy庫生成一些示例數據。

import plotly.graph_objects as go
import numpy as np

繪製散點圖

首先，我們將繪製一個簡單的散點圖。假設我們有一些三維數據，分別存儲在x_data，y_data和z_data中。

# 生成示例數據
np.random.seed(42)
n_points = 100
x_data = np.random.rand(n_points)
y_data = np.random.rand(n_points)
z_data = np.random.rand(n_points)

# 創建散點圖
fig = go.Figure(data=[go.Scatter3d(x=x_data, y=y_data, z=z_data, mode='markers')])
fig.update_layout(scene=dict(xaxis_title='X', yaxis_title='Y', zaxis_title='Z'),
                  title='3D Scatter Plot')
fig.show()

以上代碼將生成一個簡單的三維散點圖，展示了隨機生成的數據點在三維空間中的分佈情況。

繪製曲面圖

接下來，我們將繪製一個曲面圖。假設我們有一個函數f(x, y)，我們想要可視化它在三維空間中的表面。

# 定義函數
def f(x, y):
    return np.sin(x) * np.cos(y)

# 生成網格數據
x_grid = np.linspace(0, 2*np.pi, 50)
y_grid = np.linspace(0, 2*np.pi, 50)
x_grid, y_grid = np.meshgrid(x_grid, y_grid)
z_grid = f(x_grid, y_grid)

# 創建曲面圖
fig = go.Figure(data=[go.Surface(z=z_grid, x=x_grid, y=y_grid)])
fig.update_layout(scene=dict(xaxis_title='X', yaxis_title='Y', zaxis_title='Z'),
                  title='3D Surface Plot')
fig.show()

以上代碼將生成一個展示了函數表面的三維曲面圖。

繪製線框圖

最後，我們將繪製一個線框圖，展示數據的連續性。

# 生成線框數據
theta = np.linspace(-4*np.pi, 4*np.pi, 100)
z_line = np.linspace(-2, 2, 100)
x_line = z_line * np.sin(theta)
y_line = z_line * np.cos(theta)

# 創建線框圖
fig = go.Figure(data=[go.Scatter3d(x=x_line, y=y_line, z=z_line, mode='lines')])
fig.update_layout(scene=dict(xaxis_title='X', yaxis_title='Y', zaxis_title='Z'),
                  title='3D Wireframe Plot')
fig.show()

以上代碼將生成一個展示了線框的三維圖形。

通過以上示例，我們展示瞭如何使用Python和Plotly來繪製各種類型的三維圖形。你可以根據自己的需求進一步定製這些圖形，並探索Plotly庫中更多豐富的功能。Happy plotting！

繪製3D條形圖

除了散點圖、曲面圖和線框圖之外，我們還可以繪製3D條形圖，展示數據之間的差異和關係。

# 生成示例數據
categories = ['A', 'B', 'C', 'D']
values = np.random.randint(1, 10, size=(len(categories), len(categories)))
x_bar, y_bar = np.meshgrid(np.arange(len(categories)), np.arange(len(categories)))
x_bar = x_bar.flatten()
y_bar = y_bar.flatten()
z_bar = np.zeros_like(x_bar)

# 設置條形圖的高度
bar_heights = values.flatten()

# 創建3D條形圖
fig = go.Figure(data=[go.Bar3d(x=x_bar, y=y_bar, z=z_bar, dx=1, dy=1, dz=bar_heights)])
fig.update_layout(scene=dict(xaxis_title='X', yaxis_title='Y', zaxis_title='Z'),
                  title='3D Bar Chart')
fig.show()

以上代碼將生成一個展示了各種類別和值之間關係的三維條形圖。

自定義圖形樣式

Plotly提供了豐富的自定義選項，可以調整圖形的樣式、佈局和外觀。你可以根據需要修改圖形的顏色、線型、標籤等屬性，以滿足特定的可視化需求。

# 自定義圖形樣式
fig.update_traces(marker=dict(color='rgb(255, 127, 14)', size=10),
                  selector=dict(mode='markers'))
fig.update_layout(scene=dict(xaxis=dict(backgroundcolor="rgb(200, 200, 230)",
                                       gridcolor="white",
                                       showbackground=True,
                                       zerolinecolor="white"),
                             yaxis=dict(backgroundcolor="rgb(230, 200,230)",
                                       gridcolor="white",
                                       showbackground=True,
                                       zerolinecolor="white"),
                             zaxis=dict(backgroundcolor="rgb(230, 230,200)",
                                       gridcolor="white",
                                       showbackground=True,
                                       zerolinecolor="white")),
                  title='Customized 3D Scatter Plot')
fig.show()

交互式三維圖形

Plotly還支持創建交互式的三維圖形，讓用戶可以通過鼠標交互來探索數據。下面是一個交互式散點圖的示例：

# 創建交互式散點圖
fig = go.Figure(data=[go.Scatter3d(x=x_data, y=y_data, z=z_data, mode='markers')])
fig.update_layout(scene=dict(xaxis_title='X', yaxis_title='Y', zaxis_title='Z'),
                  title='Interactive 3D Scatter Plot')
fig.show()

通過將鼠標懸停在數據點上，用戶可以查看每個數據點的具體數值，從而更深入地瞭解數據。

導出圖形

一旦你創建了滿意的三維圖形，你可以將其導出爲靜態圖片或交互式HTML文件，方便分享和展示。Plotly提供了方便的導出功能，讓你可以輕鬆地保存圖形到本地文件。

# 將圖形導出爲靜態圖片
fig.write_image("3d_plot.png")

# 將圖形導出爲交互式HTML文件
fig.write_html("3d_plot.html")

探索更多功能

除了本文介紹的功能之外，Plotly還提供了許多其他強大的功能，如動畫、子圖、相機控制等，可以進一步增強和定製你的三維圖形。你可以通過查閱官方文檔或參考在線教程來深入瞭解這些功能，並將其應用到你的項目中。

總結

通過本文，我們學習瞭如何使用Python和Plotly庫繪製各種類型的三維圖形，包括散點圖、曲面圖、線框圖和條形圖。我們瞭解了繪製每種圖形所需的基本步驟和代碼示例，並探索瞭如何自定義圖形樣式、創建交互式圖形以及將圖形導出爲靜態圖片或交互式HTML文件。通過這些技巧和功能，我們可以輕鬆地在數據可視化領域創建出具有吸引力和實用性的三維圖形，從而更好地理解和分析數據。無論是在科學研究、工程應用還是數據分析中，三維圖形都是一種強大的工具，幫助我們發現數據之間的模式和關係，以及展示研究成果和洞見。通過不斷探索和應用Python和Plotly庫的功能，我們可以進一步提升數據可視化的效果和效率，爲我們的工作和項目帶來更多的價值和成就。

 

點擊關注，第一時間瞭解華爲雲新鮮技術~