Python Matplotlib 实现3D绘图详解

南乔

发布时间：2026-10-15| 2人浏览过

原创

本文详解如何使用Python Matplotlib库进行3D图形绘制。通过导入mpl_toolkits.mplot3d模块，利用plt.axes(projection='3d')创建三维坐标系，依次演示了3D线图、散点图、等高线图、线框图及曲面图的代码实现与参数设置，帮助开发者掌握各类三维数据可视化方法。

Matplotlib最初仅支持2D图形绘制，但随着版本迭代，现已内置了实用的3D绘图工具包，例如 mpl_toolkits.mplot3d。借助该工具包提供的接口，用户可以轻松绘制3D散点图、3D曲面图以及3D线框图等多种三维可视化效果。

mpl_toolkits 是 Matplotlib 库中专门用于扩展绘图功能的工具包。

第一个三维绘图程序

接下来，我们将编写第一个三维绘图示例。

首先，需要创建一个三维绘图区域。使用 plt.axes() 函数时，需传入参数 projection 并将其值设置为 "3d"，具体操作如下所示：


#导入三维工具包mplot3d
from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
#创建3d绘图区域
ax = plt.axes(projection='3d')

在成功创建三维绘图区域后，下一步是构建具体的3D图像数据，实现方式如下：


#从三个维度构建
z = np.linspace(0, 1, 100)
x = z * np.sin(20 * z)
y = z * np.cos(20 * z)

最后，调用 plot3D() 方法来绘制最终的3D图形，相关代码如下：


#调用 ax.plot3D创建三维线图
ax.plot3D(x, y, z, 'gray')
ax.set_title('3D line plot')
plt.show()

完整的程序代码如下所示：


from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
#从三个维度构建
z = np.linspace(0, 1, 100)
x = z * np.sin(20 * z)
y = z * np.cos(20 * z)
#调用 ax.plot3D创建三维线图
ax.plot3D(x, y, z, 'gray')
ax.set_title('3D line plot')
plt.show()

运行上述代码后的输出结果如下所示：

图1：三维线图(3D Line)

上述代码中的 ax.plot3D() 函数可用于绘制多种三维图形，所有此类图形均需基于 (x，y，z) 三元组数据进行创建。

3D散点图

通过 ax.scatter3D() 函数可以绘制3D散点图，示例代码如下：


from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
#创建绘图区域
ax = plt.axes(projection='3d')
#构建xyz
z = np.linspace(0, 1, 100)
x = z * np.sin(20 * z)
y = z * np.cos(20 * z)
c = x + y
ax.scatter3D(x, y, z, c=c)
ax.set_title('3d Scatter plot')
plt.show()

输出结果图：

图2：Matplotlib 3D绘图

3D等高线图

ax.contour3D() 函数可用于创建三维等高线图，该函数要求输入数据采用二维网格式矩阵坐标。同时，它会在每个网格点(x,y)处计算出一个对应的 z 值。

以下示例展示了如何绘制三维正弦等高线图，具体代码如下：


from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
def f(x, y):
   return np.sin(np.sqrt(x ** 2 + y ** 2))
#构建x、y数据
x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)
#将数据网格化处理
X, Y = np.meshgrid(x, y)
Z = f(X, Y)
fig = plt.figure()
ax = plt.axes(projection='3d')
#50表示在z轴方向等高线的高度层级，binary颜色从白色变成黑色
ax.contour3D(X, Y, Z, 50, cmap='binary')
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
ax.set_title('3D contour')
plt.show()

输出结果图如下：

图3：绘制三维轮廓图

3D线框图

线框图的绘制同样需要采用二维网格形式的数据，其处理逻辑与绘制等高线图类似。

线框图能够将数据投影到指定的三维表面上，从而输出可视化程度较高的三维效果图。通过 plot_wireframe() 函数即可绘制3D线框图，代码如下：


from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
#要绘制函数图像
def f(x, y):
   return np.sin(np.sqrt(x ** 2 + y ** 2))
#准备x,y数据
x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)
#生成x、y网格化数据
X, Y = np.meshgrid(x, y)
#准备z值
Z = f(X, Y)
#绘制图像
fig = plt.figure()
ax = plt.axes(projection='3d')
#调用绘制线框图的函数plot_wireframe()
ax.plot_wireframe(X, Y, Z, color='black')
ax.set_title('wireframe')
plt.show()

输出结果如下：

图4：Matplotlib绘制线框图

3D曲面图

曲面图用于表示一个指定的因变量y与两个自变量x和z之间的函数关系。

3D 曲面图是一种三维图形，其外观与线框图非常相似。主要区别在于，曲面图的每个面都由多边形填充而成。Matplotlib 提供的 plot_surface() 函数可用于绘制3D曲面图，该函数需接受 x、y 和 z 三个参数值。示例代码如下：


from mpl_toolkits import mplot3d
import numpy as np
import matplotlib.pyplot as plt
#求向量积(outer()方法又称外积)
x = np.outer(np.linspace(-2, 2, 30), np.ones(30))
#矩阵转置
y = x.copy().T 
#数据z
z = np.cos(x ** 2 + y ** 2)
#绘制曲面图
fig = plt.figure()
ax = plt.axes(projection='3d')
调用plot_surface()函数
ax.plot_surface(x, y, z,cmap='viridis', edgecolor='none')
ax.set_title('Surface plot')
plt.show()

输出结果图：