3D曲线可视化

小象实战讲义 · Python数据分析实战

在上一节中，我们学习了如何使用 Matplotlib 的 Axes3D 模块来创建三维坐标轴。本节我们将聚焦于如何在三维空间中绘制曲线。三维曲线能够直观地展示三个变量之间的关系，是数据探索和科学计算中常用的可视化手段。学完本节，你将掌握使用 Axes3D.plot 方法绘制三维曲线，并理解如何调整坐标轴的朝向。

💡 核心导读

• 核心方法：使用 Axes3D.plot(xs, ys, zs, zdir) 绘制三维曲线。
• 参数解析：xs, ys, zs 分别代表数据点在三个坐标轴上的位置；zdir 参数指定把”第三维数据”绘制到哪个坐标轴。
• 数据准备：绘制三维曲线的关键在于准备好三个一维数组，分别代表X、Y、Z坐标。
• 视图控制：真正的三维视角（相机角度）由 ax.view_init(elev, azim) 控制；zdir 改变的是数据到坐标轴的映射。

绘制三维曲线的基本方法

在 Matplotlib 的三维绘图模块中，绘制曲线与二维绘图思路一致，核心是调用 plot 方法。不过，我们需要在三维坐标系 (Axes3D 对象) 上调用它。

Axes3D.plot 方法的核心参数如下：

• xs, ys, zs: 这三个参数是长度相同的一维数组（或列表），分别定义了曲线上每个点在 X 轴、Y 轴和 Z 轴上的坐标。
• zdir: 指定把第三维数据（zs）绘制到哪个坐标轴，默认 'z'（绘制到 Z 轴）。设为 'x' 或 'y' 时，这组数据会被重新映射绘制到 X 轴或 Y 轴上——改变的是数据与坐标轴的对应关系，而不是相机视角（调整观察角度请用 ax.view_init(elev, azim)）。

简单来说，准备好你的三维坐标点，然后调用 ax.plot(xs, ys, zs)，就能得到一条连接这些点的三维曲线。

实战：绘制一条三维螺旋线

让我们通过一个经典的例子——三维螺旋线，来实践上述方法。我们将生成一条在 Z 轴方向延伸，同时在 X-Y 平面做圆周运动的曲线。

import numpy as np
import matplotlib.pyplot as plt
# 使用非交互式后端，确保在任何环境中都能运行
plt.switch_backend('Agg')
from mpl_toolkits.mplot3d import Axes3D

# 1. 准备数据：生成一条三维螺旋线的坐标
# 在Z轴上生成1000个等间距点，范围从0到15
zline = np.linspace(0, 15, 1000)
# X坐标是Z坐标的正弦值，形成圆周运动的X分量
xline = np.sin(zline)
# Y坐标是Z坐标的余弦值，形成圆周运动的Y分量
yline = np.cos(zline)

# 2. 创建画布和三维坐标轴
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection='3d') # 创建3D坐标轴

# 3. 绘制三维曲线
ax.plot(xline, yline, zline, label='3D Spiral')

# 4. 添加坐标轴标签和图例
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.set_zlabel('Z Axis')
ax.legend()

# 5. 显示图形（在脚本中，通常使用plt.show()，这里我们保存以便演示）
# plt.show()
print("三维螺旋线图形已创建（默认 zdir='z'：第三维数据绘制到 Z 轴）。")

三维螺旋线图形已创建（默认 zdir='z'：第三维数据绘制到 Z 轴）。

运行以上代码，你将看到一个围绕 Z 轴旋转上升的螺旋线图形（默认视角下 Z 轴朝上）。

探索 zdir 参数：改变第三维数据的映射轴

zdir 参数的作用是把第三维数据重新映射到指定的坐标轴上。它不旋转相机、也不改变视角——默认视角始终是 Z 轴朝上；变的是”这组数据画在哪根轴上”。

import numpy as np
import matplotlib.pyplot as plt
plt.switch_backend('Agg')
from mpl_toolkits.mplot3d import Axes3D

# 使用相同的数据
zline = np.linspace(0, 15, 1000)
xline = np.sin(zline)
yline = np.cos(zline)

# 创建画布和子图
fig = plt.figure(figsize=(16, 5))

# 子图1：zdir='x'，第三维数据（zline）绘制到 X 轴
ax1 = fig.add_subplot(131, projection='3d')
ax1.plot(xline, yline, zline, zdir='x')
ax1.set_xlabel('X (3rd-dim data)')
ax1.set_ylabel('Y')
ax1.set_zlabel('Z')
ax1.set_title("zdir='x'")

# 子图2：zdir='y'，第三维数据（zline）绘制到 Y 轴
ax2 = fig.add_subplot(132, projection='3d')
ax2.plot(xline, yline, zline, zdir='y')
ax2.set_xlabel('X')
ax2.set_ylabel('Y (3rd-dim data)')
ax2.set_zlabel('Z')
ax2.set_title("zdir='y'")

# 子图3：zdir='z' (默认)，第三维数据绘制到 Z 轴
ax3 = fig.add_subplot(133, projection='3d')
ax3.plot(xline, yline, zline, zdir='z')
ax3.set_xlabel('X')
ax3.set_ylabel('Y')
ax3.set_zlabel('Z (3rd-dim data)')
ax3.set_title("zdir='z' (Default)")

plt.tight_layout()
# plt.show()
print("已创建对比图，展示了设置不同 `zdir` 参数的效果。")

已创建对比图，展示了设置不同 `zdir` 参数的效果。

通过对比这三个子图，你可以清晰地看到：

• 当 zdir='x' 时，第三维数据（原 zline）被绘制到了 X 轴上，螺旋沿 X 轴方向延伸。
• 当 zdir='y' 时，第三维数据被绘制到了 Y 轴上，螺旋沿 Y 轴方向延伸。
• 当 zdir='z'（默认）时，第三维数据绘制在 Z 轴上，得到我们最熟悉的视图。

三个子图的相机视角是相同的——不同的只是数据被映射到了不同的轴。当你需要把”第三维”的含义对齐到某根特定坐标轴时（例如把高度数据画到 Y 轴），这个参数非常有用；若要改变观察角度，请使用 ax.view_init(elev, azim)。

📝 动手练一练

1. 概念辨析：Axes3D.plot 方法中的 zdir 参数改变了数据的原始坐标吗？还是仅仅改变了图形的显示方式？

2. 动手实践：尝试修改第一个实战示例中的 zline 范围，将其从 np.linspace(0, 15, 1000) 改为 np.linspace(0, 30, 500)，并重新运行代码。观察螺旋线的圈数和光滑度发生了怎样的变化？这说明了 np.linspace 参数与图形特性的什么关系？

本章小结

本节我们深入学习了在 Matplotlib 中绘制三维曲线的方法。关键在于使用 Axes3D.plot() 函数，并为其提供三个维度上的一维坐标数组。zdir 参数用于指定第三维数据绘制到哪根坐标轴（默认 Z 轴）；需要改变观察角度时则使用 ax.view_init()，两者分工不同，配合使用可以更好地理解和展示多维数据间的关系。

📋 行动清单

• 在本地环境中成功运行绘制三维螺旋线的示例代码，并看到生成的图形。
• 尝试修改示例代码中 xline 和 yline 的生成公式（例如，尝试 xline = np.cos(zline * 0.5)），观察会产生什么样子的新曲线。
• 回忆并总结 Axes3D.plot 与之前学过的二维 plt.plot 在用法上的主要异同点。

—— 小象教研组