python画三维图函数,python 绘制三维图

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

c4d怎么用python画三维图

要以Python生成器为媒介。

用以下代码可以简单行程一个三维图，在这个基础上根据您的需要改写代码就可以了。

在生成器内的python代码会生成一个object。默认下，生成了一个立方体，并返回：

import c4d

def main():

return c4d.BaseObject(c4d.Ocube)

UserData输入

当然也可以返回别的物体，或者用userdata调整物体参数。注意op可以快速引用生成器对象。

importc4d

defmain():

cone =c4d.BaseObject(c4d.Ocone)

cone[c4d.PRIM_CONE_TRAD] = op[c4d.ID_USERDATA,1]

return cone

具体创建三维图步骤如下

1首先要【创建】-【造型】-【python生成器】，默认生成一个立方体即python编辑器

2-选中对象，右下角【打开python编辑器】

3-代码表示定义一个函数并返回C4D基本物体

4-这里简单改一下，把原代码中的Ocube改成Osphere，点一下执行，会生成一个三维球体。对于基本造型对象，这里的对象名称通用语法为大写字母O加对象的英文。

5-这里还可以用定义变量返回值的表达方法，比如这里定义变量cone(圆锥)，c4d的属性就是大写字母O加上圆锥的英文即Ocone，返回这个变量值，执行就得到了一个圆锥。

6-除了生成基本三维图形，python编辑器可以做很多事情，这里如果有一定的python编码基础，会更容易一些。可以在网上找几个实例试一下，比如这种，生成数字的。可以在搜索引擎输入关键字Cinema 4D - Python scripts来检索别人写好的脚本。

相关问答

Q1: Python之神奇的绘图库matplotlib

matplotlib是Python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。本文将以例子的形式分析matplot中支持的，分析中常用的几种图。其中包括填充图、散点图(scatter plots)、. 条形图(bar plots)、等高线图(contour plots)、点阵图和3D图，下面来一起看看详细的介绍：

一、填充图

参考代码

简要分析

这里主要是用到了fill_between函数。这个函数很好理解，就是传入x轴的数组和需要填充的两个y轴数组；然后传入填充的范围，用where=来确定填充的区域；最后可以加上填充颜色啦，透明度之类修饰的参数。

相关推荐：《Python教程》

效果图

二、散点图(scatter plots)

参考代码

简要分析

1.首先介绍一下numpy 的normal函数，很明显，这是生成正态分布的函数。这个函数接受三个参数，分别表示正态分布的平均值，标准差，还有就是生成数组的长度。很好记。

2.然后是arctan2函数，这个函数接受两个参数，分别表示y数组和x数组，然后返回对应的arctan(y/x)的值，结果是弧度制。

3.接下来用到了绘制散点图的scatter方法，首先当然是传入x和y数组，接着s参数表示scale，即散点的大小；c参数表示color，我给他传的是根据角度划分的一个数组，对应的就是每一个点的颜色（虽然不知道是怎么对应的，不过好像是一个根据数组内其他元素进行的相对的转换，这里不重要了，反正相同的颜色赋一样的值就好了）；最后是alpha参数，表示点的透明度。scatter函数的高级用法可以参见官方文档scatter函数或者help文档，最后设置下坐标范围就好了。

效果图

三、等高线图(contour plots)

参考代码

简要分析

1.首先要明确等高线图是一个三维立体图，所以我们要建立一个二元函数f，值由两个参数控制，(注意，这两个参数都应该是矩阵)。

2.然后我们需要用numpy的meshgrid函数生成一个三维网格，即，x轴由第一个参数指定，y轴由第二个参数指定。并返回两个增维后的矩阵，今后就用这两个矩阵来生成图像。

3.接着就用到coutourf函数了，所谓contourf，大概就是contour fill的意思吧，只填充，不描边；这个函数主要是接受三个参数，分别是之前生成的x、y矩阵和函数值；接着是一个整数，大概就是表示等高线的密度了，有默认值；然后就是透明度和配色问题了，cmap的配色方案这里不多研究。

4.随后就是contour函数了，很明显，这个函数是用来描线的。用法可以类似的推出来，不解释了，需要注意的是他返回一个对象，这个对象一般要保留下来个供后续的加工细化。

5.最后就是用clabel函数来在等高线图上表示高度了，传入之前的那个contour对象；然后是inline属性，这个表示是否清除数字下面的那条线，为了美观当然是清除了，而且默认的也是1；再就是指定线的宽度了。

效果图

Q2: 使用Python画出一个三维的函数图像，数据来自于一个Excel表格？

raw_input获取的输入是字符串，不能直接用np.array，需要用split进行切分，然后强制转化成数值类型，才能用plot函数

我把你的代码稍微修改了一下，可能不太漂亮，不过能运行了

x=[1,2,3]

raw_input('function')

a.split('

')#依空格对字符串a进行切分，如果是用逗号分隔，则改成a.split(',')

[]

for

range(len(a)):#把切分好的字符强制转化成int类型，如果是小数，将int改为float

b.append(int(a[i]))

plt.plot(x,

label='x',

color="green",

linewidth=1)

Q3: python用matpiotilb画三维曲面图

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()

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

X = [1, 1, 2, 2]

Y = [3, 4, 4, 3]

Z = [1, 2, 1, 1]

ax.plot_trisurf(X, Y, Z)

plt.show()

Q4: python多维数据怎么绘制散点图

python matplotlib模块，是扩展的MATLAB的一个绘图工具库。他可以绘制各种图形，可是最近最的一个小程序，得到一些三维的数据点图，就学习了下python中的matplotlib模块，如何绘制三维图形。

初学者，可能对这些第三方库安装有一定的小问题，对于一些安装第三方库经验较少的朋友，建议使用 Anaconda ，集成了很多第三库，基本满足大家的需求，下载地址，对应选择python 2.7 或是 3.5 的就可以了（PS：后面的demo是python2.7）：

首先提醒注意，以下两个函数的区别：

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow') #绘面1

和

ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c='r') #绘点1

1、绘制3D曲面图

# -*- coding: utf-8 -*-"""

Created on Thu Sep 24 16:17:13 2015

@author: Eddy_zheng

"""from matplotlib import pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()

ax = Axes3D(fig)

X = np.arange(-4, 4, 0.25)

Y = np.arange(-4, 4, 0.25)

X, Y = np.meshgrid(X, Y)

R = np.sqrt(X**2 + Y**2)

Z = np.sin(R)# 具体函数方法可用 help(function) 查看，如：help(ax.plot_surface)ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')

plt.show()1234567891011121314151617181920212223

效果展示：

2、绘制三维的散点图（通常用于表述一些数据点分布）

4a.mat 数据地址，找到4a.mat 下载即可:

# -*- coding: utf-8 -*-"""

Created on Thu Sep 24 16:37:21 2015

@author: Eddy_zheng

"""import scipy.io as sio

from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as plt

mat1 = '4a.mat' #这是存放数据点的文件，需要它才可以画出来。上面有下载地址data = sio.loadmat(mat1)

m = data['data']

x,y,z = m[0],m[1],m[2]

ax=plt.subplot(111,projection='3d') #创建一个三维的绘图工程#将数据点分成三部分画，在颜色上有区分度ax.scatter(x[:1000],y[:1000],z[:1000],c='y') #绘制数据点ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c='r')

ax.scatter(x[4000:],y[4000:],z[4000:],c='g')

ax.set_zlabel('Z') #坐标轴ax.set_ylabel('Y')

ax.set_xlabel('X')

plt.show()123456789101112131415161718192021222324252627

效果：

上面就是学习区分了下两个函数，当时还被小困惑了下，希望对大家有所帮助。其实里面还有好多参数设置，比如说改变颜色，包括绘制点图的点的形状等都是可以改变的，有需要的大家可以自己看看这个函数，学习下(help(对应的function))。

Q5: python 怎样数据可视化 3d

import random

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

import matplotlib.dates as mdates