Matplotlib子图中的3D绘图：探索三维数据的可视化

# 1. Matplotlib子图概述

Matplotlib子图是用于在单个图形窗口中创建多个子图的强大工具。它允许您将不同的数据集或图形类型组合到一个综合视图中，从而简化数据分析和可视化。

子图是通过使用`matplotlib.pyplot.subplot()`函数创建的，它接受三个参数：子图的行数、列数和当前子图的索引。子图的索引从1开始，从左上角开始，从左到右、从上到下递增。

使用子图可以灵活地组织和排列图形，以创建复杂且信息丰富的可视化。它可以帮助您比较不同数据集、突出特定特征或创建交互式仪表板，提供对数据的全面洞察。

# 2. 3D绘图的基础

### 2.1 3D坐标系和投影

在3D绘图中，我们使用一个三维坐标系来表示空间。该坐标系由三个轴组成：x轴、y轴和z轴。这些轴相互垂直，形成一个直角坐标系。

3D绘图中的投影是指将三维场景投影到二维平面上的过程。有两种常见的投影类型：

- **正交投影：**将场景沿平行于一个轴的方向投影到平面上。这会产生一个没有透视效果的图像。
- **透视投影：**将场景投影到一个消失点上。这会产生一个具有透视效果的图像，使远处的物体看起来比近处的物体小。

### 2.2 3D绘图的基本函数

Matplotlib提供了几个用于创建3D绘图的基本函数：

- `figure`：创建一个新的3D图形。
- `axes`：在图形中创建3D子图。
- `plot`：在子图中绘制3D曲线。
- `scatter`：在子图中绘制3D散点图。
- `bar`：在子图中绘制3D条形图。

**代码块：创建3D子图**

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

# 创建一个新的3D图形
fig = plt.figure()

# 在图形中创建一个3D子图
ax = fig.add_subplot(111, projection='3d')

# 设置子图的标题
ax.set_title('3D子图')

# 设置x、y、z轴的标签
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')

# 显示图形
plt.show()

**逻辑分析：**

- `figure()` 函数创建一个新的3D图形，并将其存储在 `fig` 变量中。
- `add_subplot()` 函数在图形中添加一个3D子图，并将其存储在 `ax` 变量中。`111` 表示子图在图形中的位置（1行，1列，第1个子图）。`projection='3d'` 指定子图类型为3D。
- `set_title()` 函数设置子图的标题。
- `set_xlabel()`, `set_ylabel()`, `set_zlabel()` 函数设置x、y、z轴的标签。
- `show()` 函数显示图形。

**代码块：绘制3D曲线**

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

# 创建一个新的3D图形
fig = plt.figure()

# 在图形中创建一个3D子图
ax = fig.add_subplot(111, projection='3d')

# 设置子图的标题
ax.set_title('3D曲线')

# 创建x、y、z数据
x = np.linspace(-10, 10, 100)
y = np.linspace(-10, 10, 100)
z = x**2 + y**2

# 绘制3D曲线
ax.plot(x, y, z, label='3D曲线')

# 设置图例
ax.legend()

# 显示图形
p