如何使用Python和Plotly繪製3D圖形

华为云开发者联盟發表於2024-05-17
Python3D

本文分享自華為雲社群《Plotly繪製3D圖形》 ，作者：檸檬味擁抱。

在資料視覺化領域，三維圖形是一種強大的工具，可以展示資料之間的複雜關係和結構。Python語言擁有豐富的資料視覺化庫，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來繪製各種型別的3D圖形，並給出程式碼例項。

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模組來建立3D圖形。我們還將使用numpy庫生成一些示例資料。

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資料，分別儲存在x_data，y_data和z_data中。

# 生成示例資料
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)

# 建立散點圖
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()

以上程式碼將生成一個簡單的三維散點圖，展示了隨機生成的資料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。假設我們有一個函式f(x, y)，我們想要視覺化它在三維空間中的表面。

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

# 生成網格資料
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)

# 建立曲面圖
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()

以上程式碼將生成一個展示了函式表面的三維曲面圖。

繪製線框圖

最後，我們將繪製一個線框圖，展示資料的連續性。

# 生成線框資料
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)

# 建立線框圖
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()

以上程式碼將生成一個展示了線框的三維圖形。

透過以上示例，我們展示瞭如何使用Python和Plotly來繪製各種型別的三維圖形。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，展示資料之間的差異和關係。

# 生成示例資料
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)

# 設定條形圖的高度
bar_heights = values.flatten()

# 建立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()

以上程式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，以滿足特定的視覺化需求。

# 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()

互動式三維圖形

Plotly還支援建立互動式的三維圖形，讓使用者可以透過滑鼠互動來探索資料。下面是一個互動式散點圖的示例：

# 建立互動式散點圖
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()

透過將滑鼠懸停在資料點上，使用者可以檢視每個資料點的具體數值，從而更深入地瞭解資料。

匯出圖形

一旦你建立了滿意的三維圖形，你可以將其匯出為靜態圖片或互動式HTML檔案，方便分享和展示。Plotly提供了方便的匯出功能，讓你可以輕鬆地儲存圖形到本地檔案。

# 將圖形匯出為靜態圖片
fig.write_image("3d_plot.png")

# 將圖形匯出為互動式HTML檔案
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。你可以透過查閱官方文件或參考線上教程來深入瞭解這些功能，並將其應用到你的專案中。

總結

透過本文，我們學習瞭如何使用Python和Plotly庫繪製各種型別的三維圖形，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程式碼示例，並探索瞭如何自定義圖形樣式、建立互動式圖形以及將圖形匯出為靜態圖片或互動式HTML檔案。透過這些技巧和功能，我們可以輕鬆地在資料視覺化領域建立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資料。無論是在科學研究、工程應用還是資料分析中，三維圖形都是一種強大的工具，幫助我們發現資料之間的模式和關係，以及展示研究成果和洞見。透過不斷探索和應用Python和Plotly庫的功能，我們可以進一步提升資料視覺化的效果和效率，為我們的工作和專案帶來更多的價值和成就。

點選關注，第一時間瞭解華為雲新鮮技術~

相關文章