python三维数组绘图

以下是使用Matplotlib绘制三维图形的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 创建三维数组
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 创建三维图形对象
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制三维图形
ax.plot_surface(X, Y, Z)

# 设置坐标轴标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
# 显示图形
plt.show()

这段代码使用NumPy生成了一个二维网格，并根据该网格计算了一个Z值数组。然后，使用Matplotlib的`plot_surface`函数绘制了一个三维曲面图。最后，通过设置坐标轴标签和调用`show`函数来显示图形。

相关问题

python三维数组画图

### 使用 Matplotlib 绘制三维数组图像

为了展示如何利用 Python 的 `matplotlib` 库来创建三维数组图形，这里提供了一个具体的例子。该库提供了丰富的功能用于生成不同类型的图表，其中包括复杂的三维可视化。

#### 导入必要的模块
首先需要导入一些基本的库：

import numpy as np
from mpl_toolkits.mplot3d import Axes3D  
import matplotlib.pyplot as plt

#### 创建数据集
接着定义要可视化的三维数据集。在这个案例中，构建一组随机数作为示例输入：

def create_data():
    x = np.linspace(-5, 5, 100)
    y = np.linspace(-5, 5, 100)
    X, Y = np.meshgrid(x, y)
    R = np.sqrt(X**2 + Y**2)
    Z = np.sin(R)

    return X, Y, Z

这段代码生成了两个一维坐标轴上的点，并通过它们计算出对应的 z 值形成网格状结构的数据集[^1]。

#### 构建并显示三维图
最后一步是设置绘图环境并将上述准备好的数据呈现出来：

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

X, Y, Z = create_data()

surf = ax.plot_surface(X, Y, Z, cmap='viridis')
fig.colorbar(surf)

plt.show()

此部分设置了新的 figure 对象以及指定了子图采用的是三维度投影方式；随后调用了 `plot_surface()` 方法传入之前得到的空间位置信息 (X,Y,Z)，同时指定颜色映射方案为 'viridis' 来增强视觉效果；最终加上 colorbar 辅助理解数值范围后显示出完整的三维表面图[^2]。

python 二维数组 三角剖分插值

二维数组可以用列表嵌套列表的形式来表示，三角剖分插值是指将一个平面区域分割成若干个三角形，然后在每个三角形内进行插值计算。在Python中，可以使用scipy库中的Delaunay函数进行三角剖分，然后使用matplotlib库中的tripcolor函数进行插值绘图。

示例代码：

import numpy as np
from scipy.spatial import Delaunay
import matplotlib.pyplot as plt

# 生成随机点
points = np.random.rand(10, 2)

# 进行三角剖分
tri = Delaunay(points)

# 绘制三角形
plt.triplot(points[:,0], points[:,1], tri.simplices)
plt.plot(points[:,0], points[:,1], 'o')

# 绘制插值图像
x, y = np.meshgrid(np.linspace(0, 1, 100), np.linspace(0, 1, 100))
z = np.sin(x*2*np.pi) * np.cos(y*2*np.pi)
interp = tri.linear_interpolator(z)
z_interp = interp(x, y)
plt.tripcolor(x.flatten(), y.flatten(), tri.simplices.copy(), z_interp.flatten(), cmap='viridis')
plt.colorbar()

plt.show()