我们之前介绍过如何在 matplotlib 中绘制等高线图。现在是时候了解 matplotlib 中的曲面图了。曲面图是以视觉上令人愉悦的格式可视化 3 维数据的好方法。不同的颜色编码可以让人们了解不同点数据的变化性。在数学中，我们非常广泛地使用它。
使用虚拟数据在 matplotlib 中绘制曲面图
首先，让我们绘制一些虚拟数据的曲面图。我们首先导入所有必需的库：
import pandas as pdimport numpy as npimport matplotlib.pyplot as plt |
现在让我们创建一些虚拟数据：
x = [1,2,3,4]y = [5,7,10,12] |
曲面图需要网格数据，因此我们需要将数据转换为正确的格式，为此我们将使用 np.meshgrid 函数：
X, Y = np.meshgrid(x,y) |
这给了我们以下结果：
[array([[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]]), array([[ 5, 5, 5, 5], [ 7, 7, 7, 7], [10, 10, 10, 10], [12, 12, 12, 12]])] |
我们现在需要创建第三个变量 Z，因为曲面图是针对 3 维数据集完成的。我们将使用 X 和 Y 变量将它们转换为 Z 变量。可以制作的函数有好几个，但我们会用一个常用的z函数，代码如下：
def z_function(x, y): return np.sin(np.sqrt(x**2+y**2))Z = z_function(X, Y) |
现在我们有了所有三个变量，我们可以绘制曲面图。为此，我们执行以下代码：
plt.figure(figsize=(10, 10))ax = plt.axes(projection='3d')ax.plot_surface(X, Y, Z) |
如果我们执行上面的代码，会生成下图：
如果您使用的是 Jupyter Notebook，那么您可以在最后一个块的开头添加以下命令，然后您甚至可以与该图进行交互：
matplotlib notebook |
使用您自己的数据集（csv 文件）绘制曲面图
现在，我们并不总是知道需要绘制的函数。事实上，大多数时候我们都会有一些样本数据可供使用，并需要使用它来创建曲面图。为此，让我们看看说明。
首先，我们需要将 csv 文件导入到 python 实例中。为此，我们将使用pd.read_csv 函数：
df = pd.read_csv("name_of_csv.csv") |
我们可以通过执行以下代码来查看数据集中的所有列：
df.columns |
我们现在可以设置 x 和 y 变量并再次创建网格：
x = df['column_name_of_x']y = df['column_name_of_y']X, Y = np.meshgrid(x,y) |
我们将需要再次定义我们的 z 函数：
Z = z_function(X, Y) |
现在剩下的又和以前一样了，我们初始化轴并绘制数据：
plt.figure(figsize=(10, 10))ax = plt.axes(projection='3d')ax.plot_surface(X, Y, Z) |
作为最后一步，让我们添加一些标签，今天的工作就完成了！
ax.set_xlabel("x-label")ax.set_ylabel("y-label") |
结论
好了，读者们！您现在对如何使用 matplotlib 绘制曲面图有了基本的了解！如果您期待更多此类精彩内容，请继续关注 AskPython，一如既往，感谢您的阅读！