在对数据进行可视化的过程中，可能经常需要对数据进行三维绘图，在python中进行三维绘图其实是比较简单的，下面我们将给出一个二元高斯分布的三维图像案例，并且给出相关函数的参数。
通常，我们绘制三维图像经常需要如下步骤：
1.生成二维的网格坐标数据，我们可以使用np.meshgrid(x, y)函数进行二维网格坐标的生成，该函数通过传入的参数生成两个坐标的网格数据，并且返回的数据具有如下的格式：
importnumpy as np
t= np.linspace(1, 5, 5)
x, y=np.meshgrid(t,t)print(x)print(y)
2.通过网格坐标，生成z轴上的网格坐标。得到了x，y的网格数据之后，我们需要根据x，y的数据的到z的网格数据，我们可以通过迭代将x，y进行拼接，形成列数为2的矩阵，并通过矩阵计算z的数据，计算之后，在将z的数据维度进行转换，得到z的网格数据。
xy = np.stack([x.flat, y.flat], axis=1)print(xy)
xy = np.stack([x.flat, y.flat], axis=1)print(xy)
z= xy[:, 0] + xy[:, 1]
z=np.array(z)
z=z.reshape(x.shape)print(z)
3.获取绘制3维图像的句柄，调用相关函数进行绘制，绘制3维图面ax.plot_surface(x, y, z, cmap='rainbow', rstride=1, cstride=1)，绘制3维曲线ax.scatter()，参数类似前者。
importnumpy as npfrom mpl_toolkits.mplot3d importAxes3Dimportmatplotlib.pyplot as plt
fig=plt.figure()
ax= Axes3D(fig)
ax.plot_surface(x, y, z, cmap='rainbow', rstride=1, cstride=1)
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_zlabel("z")
4.基本上很多的绘图思路都如上，比如绘制一些分类器的分类区域图。
importnumpy as npfrom mpl_toolkits.mplot3d importAxes3Dimportmatplotlib.pyplot as plt
fig=plt.figure()
ax=Axes3D(fig)
t= np.linspace(1, 5, 30)
x, y=np.meshgrid(t,t)print(x)print(y)
xy= np.stack([x.flat, y.flat], axis=1)print(xy)
z= xy[:, 0] * xy[:, 1]
z=np.array(z)
z=z.reshape(x.shape)print(z)
ax.plot_surface(x, y, z, cmap='rainbow', rstride=1, cstride=1)
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_zlabel("z")
plt.show()
5.绘制二元高斯分布3维图
importnumpy as npimportmatplotlib.pyplot as pltfrom mpl_toolkits.mplot3d importAxes3Dimportmatplotlib as mplif __name__ == '__main__':
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] =False
d= np.random.randn(10000000, 2)
N= 30density, edges= np.histogramdd(d, bins=[30, 30])print("样本总数:", np.sum(density))
density= density/density.max()
x= y =np.arange(N)
t=np.meshgrid(x,y)
fig=plt.figure()
ax=Axes3D(fig)
ax.scatter(t[0], t[1], density, c='r', s=15*density, marker='o', depthshade=True)
ax.plot_surface(t[0], t[1], density, cmap='rainbow', rstride=1, cstride=1, alpha=0.9, lw=1)
ax.set_xlabel("x轴")
ax.set_ylabel("y轴")
ax.set_zlabel("z轴")
plt.title("二元高斯分布")
plt.tight_layout(0.1)
plt.show()
