大多數數據可視化教程都給出了大致相同的基本內容：散點圖，折線圖，箱形圖，條形圖和熱圖等，一般都是2D平麵圖。

但是，如果我們希望跟進一步，該怎麽辦？ 2D圖隻能顯示一對x–y軸之間的關係;而3D圖可以讓我們探索3對軸：X—y，X—z和y—z。

在本文中，我將向您簡要介紹使用Matplotlib進行3D數據可視化的方法。

3D散點圖和線圖[Scatter圖和Line圖]

Matplotlib中的3D繪圖通過啟用實用程序工具包開始。通過pip安裝時，mplot3d庫隨您的標準Matplotlib安裝一起提供。隻要確保您的Matplotlib版本超過1.0。

導入此子模塊後，對於Matplotlib中的任何常規軸創建函數，可以通過傳遞projection=”3d”關鍵字來創建3D圖，：

from mpl_toolkits import mplot3d

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
ax = plt.axes(projection=”3d”)

plt.show()

現在，我們的軸已創建，我們可以開始以3D繪圖。 3D繪圖功能非常直觀：scatter我們稱之為scatter3D，而不是僅通過X和y數據，我們越過X，y和z。其他所有功能設置(例如顏色和線型)均與2D繪圖功能相同。

這是繪製3D線和3D點的示例。

fig = plt.figure()
ax = plt.axes(projection="3d")

z_line = np.linspace(0, 15, 1000)
x_line = np.cos(z_line)
y_line = np.sin(z_line)
ax.plot3D(x_line, y_line, z_line, ‘gray’)

z_points = 15 * np.random.random(100)
x_points = np.cos(z_points) + 0.1 * np.random.randn(100)
y_points = np.sin(z_points) + 0.1 * np.random.randn(100)
ax.scatter3D(x_points, y_points, z_points, c=z_points, cmap=’hsv’);

plt.show()

這是有關3D繪圖的最棒的部分：互動性。一旦以3D繪圖，繪圖的交互性對於探索可視化數據非常有用。看看我通過在圖上進行簡單的click-and-drag創建的一些不同視圖！

曲麵圖[Surface圖]

曲麵圖對於可視化整個3D場景中3個變量之間的關係非常有用。他們給出了完整的結構，並介紹了每個變量的值如何沿其他兩個變量的軸變化。

在Matplotlib中構建曲麵圖是一個三步過程。

(1)首先，我們需要生成構成曲麵圖的實際點。現在，生成所有3D表麵的點是不可能的，因為它們的數目是無限的！因此，我們將生成足夠的數據來估計表麵，然後推斷其餘點。我們將定義X和y點，然後使用函數計算z點。

fig = plt.figure()
ax = plt.axes(projection="3d")
def z_function(x, y):
    return np.sin(np.sqrt(x ** 2 + y ** 2))

x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)

X, Y = np.meshgrid(x, y)
Z = z_function(X, Y)

(2)第二步是繪製線框，這是我們對表麵的估計。

fig = plt.figure()
ax = plt.axes(projection="3d")
ax.plot_wireframe(X, Y, Z, color='green')
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')

plt.show()

(3)最後，我們將曲麵投影到我們的線框估算值上並推斷所有點。

ax = plt.axes(projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1,
                cmap='winter', edgecolor='none')
ax.set_title('surface');

漂亮吧！這就是我們豐富多彩的3D曲麵！

3D條形圖[bar圖]

條形圖在數據可視化項目中經常使用，因為它們能夠以簡單直觀的方式傳達信息，通常是某種類型的比較。 3D條形圖的優點在於，它們在保持2D條形圖的簡單性的同時又擴展了表示比較信息的能力。

條形圖中的每個條總是需要兩件事：位置和大小。借助3D條形圖，我們將為所有三個變量提供該信息x，y，z。

請查看下麵的代碼和3D圖以獲取示例！

fig = plt.figure()
ax = plt.axes(projection="3d")

num_bars = 15
x_pos = random.sample(xrange(20), num_bars)
y_pos = random.sample(xrange(20), num_bars)
z_pos = [0] * num_bars
x_size = np.ones(num_bars)
y_size = np.ones(num_bars)
z_size = random.sample(xrange(20), num_bars)

ax.bar3d(x_pos, y_pos, z_pos, x_size, y_size, z_size, color=’aqua’)
plt.show()