Hướng dẫn plot a point in 3d python - vẽ một điểm trong python 3d

Trực quan hóa dữ liệu là một trong những lĩnh vực như vậy trong đó một số lượng lớn các thư viện đã được phát triển trong Python. Trong số này, matplotlib là lựa chọn phổ biến nhất để trực quan hóa dữ liệu. Mặc dù ban đầu được phát triển để vẽ các biểu đồ 2 chiều như biểu đồ, biểu đồ thanh, sơ đồ phân tán, sơ đồ dòng, v.v., matplotlib cũng đã mở rộng khả năng của mình để cung cấp các mô-đun âm mưu 3D.
Among these, Matplotlib is the most popular choice for data visualization.
While initially developed for plotting 2-D charts like histograms, bar charts, scatter plots, line plots, etc., Matplotlib has extended its capabilities to offer 3D plotting modules as well.

Trong hướng dẫn này, chúng tôi sẽ xem xét các khía cạnh khác nhau của âm mưu 3D trong Python.

Chúng tôi sẽ bắt đầu bằng cách vẽ một điểm duy nhất trong không gian tọa độ 3D. Sau đó, chúng tôi sẽ học cách tùy chỉnh các lô của mình, và sau đó chúng tôi sẽ chuyển sang các ô phức tạp hơn như bề mặt 3D Gaussian, đa giác 3D, v.v. Cụ thể, chúng tôi sẽ xem xét các chủ đề sau:

• Vẽ một điểm duy nhất trong không gian 3D
  • Bước 1: Nhập thư viện
  • Bước 2: Tạo hình và trục
  • Bước 3: Vẽ đồ thị điểm
• Vẽ vạch ra một dòng liên tục 3D
• Tùy chỉnh một lô 3D
  • Thêm một tiêu đề
  • Thêm nhãn trục
  • Sửa đổi các điểm đánh dấu
  • Sửa đổi các giới hạn và ve của trục
  • Thay đổi kích thước của cốt truyện
  • Tắt/Bật các đường lưới
  • Đặt màu lô 3D dựa trên lớp
  • Đặt truyền thuyết
  • Điểm đánh dấu cốt truyện có kích thước khác nhau
• Âm mưu phân phối Gaussian
• Vẽ một đa giác 3D
• Xoay một âm mưu 3D với chuột
• Vẽ hai bản phân phối 3D khác nhau
• Đầu ra Python 3D cho HTML
• Sự kết luận

Vẽ một điểm duy nhất trong không gian 3D

Bước 1: Nhập thư viện

Bước 1: Nhập thư viện

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

Bước 2: Tạo hình và trục
The second import of the 

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

4 class is required for enabling 3D projections. It is, otherwise, not used anywhere else.

Bước 3: Vẽ đồ thị điểm that the second import is required for Matplotlib versions before 3.2.0. For versions 3.2.0 and higher, you can plot 3D plots without importing 

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

5.

Bước 2: Tạo hình và trục

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

Bước 3: Vẽ đồ thị điểm

Here we are first creating a figure of size 4 inches X 4 inches.
We then create a 3-D axis object by calling the 

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

6 method and specifying the value ‘3d’ to the 

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

7 parameter.
We will use this axis object ‘ax’ to add any plot to the figure.

Vẽ vạch ra một dòng liên tục 3D

Bước 3: Vẽ đồ thị điểm

Vẽ vạch ra một dòng liên tục 3D
To plot a single point, we will use the 

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

8method, and pass the three coordinates of the point.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

Tùy chỉnh một lô 3D

As you can see, a single point has been plotted (in blue) at (2,3,4).

Vẽ vạch ra một dòng liên tục 3D

Tùy chỉnh một lô 3D

Thêm một tiêu đề

import numpy as np

x = np.linspace(−4*np.pi,4*np.pi,50)

y = np.linspace(−4*np.pi,4*np.pi,50)

z = x**2 + y**2

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.plot(x,y,z)

plt.show()

Thêm nhãn trục

We are generating x, y, and z coordinates for 50 points.
The x and y coordinates are generated using

import numpy as np

x = np.linspace(−4*np.pi,4*np.pi,50)

y = np.linspace(−4*np.pi,4*np.pi,50)

z = x**2 + y**2

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.plot(x,y,z)

plt.show()

0 to generate 50 uniformly distributed points between -4π and +4π. The z coordinate is simply the sum of the squares of the corresponding x and y coordinates.

Tùy chỉnh một lô 3D

Thêm một tiêu đề

np.random.seed(42)

xs = np.random.random(100)*10+20

ys = np.random.random(100)*5+7

zs = np.random.random(100)*15+50

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.scatter(xs,ys,zs)

plt.show()

Thêm nhãn trục

Let us now add a title to this plot

Thêm một tiêu đề

Thêm nhãn trục

ax.set_title("Atom velocity distribution")

plt.show()

Sửa đổi các điểm đánh dấu

NOTE that I have not added the preceding code (to create the figure and add scatter plot) here, but you should do it.

Sửa đổi các giới hạn và ve của trục

Thêm nhãn trục

Sửa đổi các điểm đánh dấu

ax.set_xlabel("Atomic mass (dalton)")

ax.set_ylabel("Atomic radius (pm)")

ax.set_zlabel("Atomic velocity (x10⁶ m/s)")

plt.show()

Output:

Sửa đổi các điểm đánh dấu

Sửa đổi các giới hạn và ve của trục
We can alter the appearance of the markers to make them more expressive.

Thay đổi kích thước của cốt truyện

ax.scatter(xs,ys,zs, marker="x", c="red")

plt.show()

Tắt/Bật các đường lưới

We have used the parameters 

import numpy as np

x = np.linspace(−4*np.pi,4*np.pi,50)

y = np.linspace(−4*np.pi,4*np.pi,50)

z = x**2 + y**2

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.plot(x,y,z)

plt.show()

5 and 

import numpy as np

x = np.linspace(−4*np.pi,4*np.pi,50)

y = np.linspace(−4*np.pi,4*np.pi,50)

z = x**2 + y**2

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.plot(x,y,z)

plt.show()

6 to change the style and color of the individual points

Sửa đổi các giới hạn và ve của trục

Thay đổi kích thước của cốt truyện
We can however alter them to our desired values.

Chúng ta hãy tạo một biểu đồ phân tán khác đại diện cho một bộ điểm dữ liệu mới, sau đó sửa đổi phạm vi và khoảng của trục.

________số 8

Đầu ra: Chúng tôi đã vẽ dữ liệu của 3 biến, cụ thể là chiều cao, trọng lượng và tuổi trên 3 trục. Như bạn có thể thấy, các giới hạn trên các trục X, Y và Z đã được gán tự động dựa trên dữ liệu đầu vào.

We have plotted data of 3 variables, namely, height, weight and age on the 3 axes.
As you can see, the limits on the X, Y, and Z axes have been assigned automatically based on the input data.

Hãy để chúng tôi sửa đổi giới hạn tối thiểu và tối đa trên mỗi trục, bằng cách gọi & nbsp; ________ 37, & nbsp; ________ 38, và & nbsp;

ax.set_xlim(100,200)

ax.set_ylim(20,160)

ax.set_zlim(5,35)

plt.show()

Đầu ra: Các giới hạn cho ba trục đã được sửa đổi dựa trên các giá trị tối đa và tối đa mà chúng tôi đã truyền sang các phương thức tương ứng. Chúng tôi cũng có thể sửa đổi các ve riêng cho từng trục. Hiện tại, ve trục X là [100,120,140,160,180,200]. Hãy để chúng tôi cập nhật điều này lên [100.125.150.175.200]]

The limits for the three axes have been modified based on the min and max values we passed to the respective methods.
We can also modify the individual ticks for each axis. Currently, the X-axis ticks are [100,120,140,160,180,200].
Let us update this to [100,125,150,175,200]

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

0

Đầu ra: Tương tự, chúng ta có thể cập nhật các đánh dấu y và z bằng & nbsp; ________ 40 & nbsp; và & nbsp; ________ 41 & nbsp; phương thức.

Similarly, we can update the Y and Z ticks using the 

np.random.seed(42)

xs = np.random.random(100)*10+20

ys = np.random.random(100)*5+7

zs = np.random.random(100)*15+50

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.scatter(xs,ys,zs)

plt.show()

0 and 

np.random.seed(42)

xs = np.random.random(100)*10+20

ys = np.random.random(100)*5+7

zs = np.random.random(100)*15+50

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.scatter(xs,ys,zs)

plt.show()

1 methods.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

1

Output:

Thay đổi kích thước của cốt truyện

Nếu chúng ta muốn các lô của chúng ta lớn hơn hoặc nhỏ hơn kích thước mặc định, chúng ta có thể dễ dàng đặt kích thước của lô khi khởi tạo hình - sử dụng & nbsp; ____ 42 & nbsp; tham số của & nbsp; ________ 43 & nbsp; một lô hiện có bằng cách gọi & nbsp; ________ 44 & nbsp; phương thức trên đối tượng hình. Trong cả hai phương pháp, chúng ta phải chỉ định chiều rộng và chiều cao của lô tính bằng inch.
or we can update the size of an existing plot by calling the 

np.random.seed(42)

xs = np.random.random(100)*10+20

ys = np.random.random(100)*5+7

zs = np.random.random(100)*15+50

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.scatter(xs,ys,zs)

plt.show()

4 method on the figure object.
In both approaches, we must specify the width and height of the plot in inches.

Vì chúng ta đã thấy & nbsp; Phương pháp đầu tiên chỉ định kích thước của lô & nbsp; trước đó, chúng ta hãy xem xét phương pháp thứ hai bây giờ I.e sửa đổi kích thước của một lô hiện có. Chúng tôi sẽ thay đổi kích thước của biểu đồ phân tán của chúng tôi thành 6 × 6 inch.
We will change the size of our scatter plot to 6×6 inches.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

2

Đầu ra: Kích thước của biểu đồ phân tán của chúng tôi đã được tăng so với kích thước mặc định trước đó của nó.

The size of our scatter plot has been increased compared to its previous default size.

Tắt/Bật các đường lưới

Tất cả các lô mà chúng tôi đã vẽ cho đến nay đều có các đường lưới trên chúng theo mặc định. Chúng ta có thể thay đổi điều này bằng cách gọi & nbsp; ____ 45 & nbsp; phương thức của đối tượng trục và truyền giá trị ‘sai. Nếu chúng ta muốn các đường lưới trở lại, chúng ta có thể gọi cùng một phương thức với tham số‘ true.
We can change this by calling the 

np.random.seed(42)

xs = np.random.random(100)*10+20

ys = np.random.random(100)*5+7

zs = np.random.random(100)*15+50

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.scatter(xs,ys,zs)

plt.show()

5 method of the axes object, and pass the value ‘False.’
If we want the gridlines back again, we can call the same method with the parameter ‘True.’.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

3

Output:

Đặt màu lô 3D dựa trên lớp

Chúng ta hãy giả sử rằng các cá nhân được đại diện bởi âm mưu phân tán của chúng tôi được chia thành hai hoặc nhiều loại. Chúng ta có thể đại diện cho thông tin này bằng cách vẽ các cá nhân của từng loại có màu khác nhau. Chẳng hạn, chúng ta hãy chia dữ liệu của chúng ta thành các loại nam và nữ. Chúng tôi sẽ tạo một mảng mới có cùng kích thước với số lượng điểm dữ liệu và gán các giá trị 0 cho ‘nam và 1 cho danh mục‘ nữ. Sau đó, chúng tôi sẽ chuyển mảng này đến tham số màu & nbsp; ________ 36 & nbsp; khi tạo biểu đồ phân tán.
We can represent this information by plotting the individuals of each category with a different color.
For instance, let us divide our data into ‘Male’ and ‘Female’ categories.
We will create a new array of the same size as the number of data points, and assign the values 0 for ‘Male’ and 1 for the ‘Female’ category.
We will then pass this array to the color parameter 

import numpy as np

x = np.linspace(−4*np.pi,4*np.pi,50)

y = np.linspace(−4*np.pi,4*np.pi,50)

z = x**2 + y**2

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.plot(x,y,z)

plt.show()

6 when creating the scatter plot.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

4

Đầu ra: Biểu đồ bây giờ hiển thị mỗi trong hai loại có màu khác nhau. Nhưng làm thế nào chúng ta biết màu nào tương ứng với loại nào?

The plot now shows each of the two categories with a different color.
But how would we know which color corresponds to which category?

Chúng ta có thể thêm một ‘colorbar, để giải quyết vấn đề này.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

5

Output:

Đặt truyền thuyết

Thường thì chúng ta có nhiều hơn 1 bộ dữ liệu mà chúng ta muốn vẽ trên cùng một hình. Trong tình huống như vậy, chúng ta phải gán nhãn cho từng ô và thêm một huyền thoại vào hình để phân biệt các ô khác nhau với nhau.
In such a situation, we must assign labels to each plot and add a legend to the figure to distinguish the different plots from each other.

Đối với ví dụ, chúng ta hãy giả sử rằng dữ liệu trọng lượng độ tuổi của chúng ta được thu thập từ 3 tiểu bang của Hoa Kỳ, cụ thể là Florida, Georgia và California. Chúng tôi muốn vẽ sơ đồ các sơ đồ phân tán cho 3 trạng thái và thêm một huyền thoại để phân biệt chúng với nhau.
We want to plot scatter plots for the 3 states and add a legend to distinguish them from each other.

Hãy để chúng tôi tạo 3 lô trong vòng lặp và gán một nhãn khác cho chúng mỗi lần.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

6

Output:

Điểm đánh dấu cốt truyện có kích thước khác nhau

Trong các ô phân tán mà chúng ta đã thấy cho đến nay, tất cả các điểm đánh dấu điểm đã có kích thước không đổi.

Chúng ta có thể thay đổi kích thước của các điểm đánh dấu bằng cách chuyển các giá trị tùy chỉnh cho tham số & nbsp; ________ 47 & nbsp; của biểu đồ phân tán. Chúng tôi có thể chuyển một số duy nhất để đặt tất cả các điểm đánh dấu thành một kích thước cố định mới hoặc chúng tôi có thể cung cấp một mảng các giá trị, trong đó mỗi giá trị biểu thị kích thước của một điểm đánh dấu.
We can either pass a single number to set all the markers to a new fixed size, or we can provide an array of values, where each value represents the size of one marker.

Trong ví dụ của chúng tôi, chúng tôi sẽ tính toán một biến mới có tên ‘BMI, từ độ cao và trọng lượng của các cá nhân và làm cho kích thước của các dấu hiệu riêng lẻ tỷ lệ thuận với các giá trị BMI của chúng.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

7

Đầu ra: Kích thước của các điểm đánh dấu càng lớn trong cốt truyện này, BMI càng cao của những cá nhân đó và ngược lại.

The greater the sizes of markers in this plot, the higher are the BMI’s of those individuals, and vice-versa.

Âm mưu phân phối Gaussian

Bạn có thể biết về một phân phối Gaussian đơn biến được vẽ trên một mặt phẳng 2D, thường được gọi là đường cong hình chuông.

source: https://en.wikipedia.org/wiki/File:Normal_Distribution_PDF.svg

Chúng ta cũng có thể vẽ sơ đồ phân phối Gaussian trong không gian 3D, sử dụng phân phối bình thường đa biến. Chúng ta phải xác định các biến X và Y và vẽ một phân phối xác suất của chúng với nhau.
We must define the variables X and Y and plot a probability distribution of them together.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

8

Đầu ra: Sử dụng phương thức & nbsp; ____ 48 & nbsp; chúng ta có thể tạo các bề mặt tương tự trong không gian 3D.

Using the 

np.random.seed(42)

xs = np.random.random(100)*10+20

ys = np.random.random(100)*5+7

zs = np.random.random(100)*15+50

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.scatter(xs,ys,zs)

plt.show()

8 method, we can create similar surfaces in a 3D space.

Vẽ một đa giác 3D

Chúng ta cũng có thể vẽ các đa giác với các đỉnh 3 chiều trong Python.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

9

Output:

Xoay một âm mưu 3D với chuột

Để tạo một cốt truyện tương tác trong một cuốn sổ tay Jupyter, bạn nên chạy lệnh MAGIC & nbsp; ____ 49 & nbsp; ở đầu sổ ghi chép.Jupyter Notebook, you should run the
magic command 

np.random.seed(42)

xs = np.random.random(100)*10+20

ys = np.random.random(100)*5+7

zs = np.random.random(100)*15+50

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.scatter(xs,ys,zs)

plt.show()

9 at the beginning of the notebook.

Điều này cho phép chúng ta tương tác với các lô 3D, bằng cách phóng to và ra khỏi cốt truyện, cũng như xoay chúng theo bất kỳ hướng nào.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

0

Output:

Vẽ hai bản phân phối 3D khác nhau

Chúng ta có thể thêm hai ô 3D khác nhau vào cùng một hình, với sự trợ giúp của phương thức & nbsp; ____ 50 & nbsp; Số 3 chữ số mà chúng tôi cung cấp cho phương thức cho biết số lượng hàng và cột trong lưới và vị trí của biểu đồ hiện tại trong lưới. Hai chữ số đầu tiên cho biết tổng số hàng và cột chúng ta cần chia hình. Digit cuối cùng cho biết vị trí của subplot trong lưới.
The 3-digit number we supply to the method indicates the number of rows and columns in the grid and the position of the current plot in the grid.
The first two digits indicate the total number of rows and columns we need to divide the figure in.
The last digit indicates the position of the subplot in the grid.

Ví dụ: nếu chúng ta chuyển giá trị 223 cho phương thức & nbsp;

Bây giờ chúng ta hãy xem xét một ví dụ trong đó chúng ta vẽ hai bản phân phối khác nhau trên một lô.

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

1

Đầu ra: Chúng ta có thể vẽ bao nhiêu các ô phụ như chúng ta muốn theo cách này, miễn là chúng ta phù hợp với chúng ngay trong lưới.

We can plot as many subplots as we want in this way, as long as we fit them right in the grid.

Đầu ra Python 3D cho HTML

Nếu chúng ta muốn nhúng hình vẽ 3D vào trang HTML, mà không lưu nó dưới dạng tệp hình ảnh, chúng ta có thể làm như vậy bằng cách mã hóa con số thành ‘base64, và sau đó chèn nó ở vị trí chính xác trong HTML & NBSP; ________ 52 & NBSP;
we can do so by encoding the figure into ‘base64’ and then inserting it at the correct position in an HTML 

ax.set_title("Atom velocity distribution")

plt.show()

2 tag

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

2

Bây giờ chúng ta có thể viết chuỗi mã HTML này vào tệp HTML, sau đó chúng ta có thể xem trong trình duyệt

fig = plt.figure(figsize=(4,4))

ax = fig.add_subplot(111, projection='3d')

ax.scatter(2,3,4) # plot the point (2,3,4) on the figure

plt.show()

3

Output:

Sự kết luận

Trong hướng dẫn này, chúng tôi đã học cách vẽ sơ đồ các lô 3D trong Python bằng thư viện Matplotlib. Chúng tôi bắt đầu bằng cách vẽ một điểm trong không gian tọa độ 3D, và sau đó vẽ các đường cong 3D và các ô phân tán.
We began by plotting a point in the 3D coordinate space, and then plotted 3D curves and scatter plots.

Sau đó, chúng tôi đã học được nhiều cách khác nhau để tùy chỉnh một âm mưu 3D trong Python, chẳng hạn như thêm một tiêu đề, truyền thuyết, nhãn trục vào cốt truyện, thay đổi kích thước cốt truyện, bật/tắt các đường lưới trên cốt truyện, sửa đổi các trục ve, v.v. đã học cách thay đổi kích thước và màu sắc của các điểm đánh dấu dựa trên danh mục điểm dữ liệu.
We also learned how to vary the size and color of the markers based on the data point category.

Sau đó, chúng tôi đã học được cách vẽ các bề mặt trong không gian 3D. Chúng tôi đã vẽ một phân phối Gaussian và một đa giác 3D trong Python.

Sau đó, chúng tôi đã thấy làm thế nào chúng ta có thể tương tác với cốt truyện 3D Python trong một cuốn sổ tay Jupyter.

Cuối cùng, chúng tôi đã học được cách vẽ nhiều ô con trên cùng một hình và cách xuất một con số vào mã HTML.

Kỹ sư học máy & Nhà phát triển phần mềm làm việc về các vấn đề thách thức trong tầm nhìn máy tính tại Trung tâm nghiên cứu và phát triển IITK. Hơn 3 năm kinh nghiệm mã hóa ở Python, hơn 1 năm kinh nghiệm trong khoa học dữ liệu và học máy. Kỹ năng: C ++, OpenCV, Pytorch, Darknet, Gandas, Reactjs, Django.
3+ years of coding experience in Python, 1+ years of experience in Data Science and Machine Learning.
Skills: C++, OpenCV, Pytorch, Darknet, Pandas, ReactJS, Django.

Làm thế nào để bạn vẽ một điểm trên biểu đồ 3D trong Python?

Làm thế nào để bạn vẽ một điểm trong Python?

Làm thế nào để bạn vẽ các điểm trên một quả cầu trong Python?

Chúng ta có thể vẽ 3D trong matplotlib không?