【深度学习】 Python 和 NumPy 系列教程（廿三）：Matplotli
目录
一、前言
二、实验环境
三、详解
1、2d绘图类型
2、3d绘图类型
0. 设置中文字体
1. 3D线框图（3D Line Plot）
2. 3D散点图（3D Plot）
3. 3D条形图（3D Bar Plot）
4. 3D曲面图（3D Plot）
5.3D等高线图（3D Plot）
6. 3D向量场图（3D Field Plot）
7. 3D表面投影图（3D Plot）
8. 3D饼图（3D Pie Chart）
9.3D等高线投影图（3D Plot）
一、前言
是一种高级编程语言，由Guido van 于1991年创建。它以简洁、易读的语法而闻名，并且具有强大的功能和广泛的应用领域。具有丰富的标准库和第三方库，可以用于开发各种类型的应用程序，包括Web开发、数据分析、人工智能、科学计算、自动化脚本等。
本身是一种伟大的通用编程语言，在一些流行的库（numpy，scipy，）的帮助下，成为了科学计算的强大环境。本系列将介绍编程语言和使用进行科学计算的方法，主要包含以下内容：
二、实验环境
3.5.3
numpy
1.21.6
3.7.16
python --version import sys
import numpy as np
import matplotlibprint("Python 版本:", sys.version)
print("NumPy 版本:", np.__version__)
print("matplotlib 版本:", matplotlib.__version__)三、详解
是一个用于创建数据可视化的库。它提供了广泛的绘图选项，能够生成各种类型的图表、图形和可视化效果。下面是的一些主要功能：
绘图风格和类型：支持各种绘图风格和类型，包括线图、散点图、柱状图、饼图、等高线图、3D图等，可以根据需要选择适合的图表类型来展示和分析数据。
数据可视化：使得将数据转化为可视化表示变得简单，可以使用绘制图表来展示数据的分布、趋势、关系等，这有助于更好地理解数据和发现潜在的模式和关联。
图表自定义：提供了丰富的图表自定义选项，可以调整图表的标题、标签、坐标轴、线条样式、颜色等。这使得您能够创建符合特定需求和品味的高质量图表。
多子图和布局：允许您在单个图像中创建多个子图，以便同时展示多个相关的图表或数据视图。您可以自定义子图的布局和排列，以满足特定的展示需求。
导出图像：支持将图像导出为多种格式，包括PNG、JPEG、PDF、SVG等。这使得您可以方便地将生成的图表保存为文件，或嵌入到文档、报告和演示文稿中。
无论是进行科学研究、数据分析、报告撰写还是可视化展示，都是一个强大而灵活的工具。它广泛应用于各个领域，如数据科学、机器学习、金融分析、工程可视化等。
1、2d绘图类型
2d绘图（上）：折线图、散点图、柱状图、直方图、饼图的博客-CSDN博客编辑
2d绘图（下）：箱线图、热力图、面积图、等高线图、极坐标图的博客-CSDN博客编辑
2、3d绘图类型 0. 设置中文字体
import matplotlibmatplotlib.rcParams['font.family'] = 'Microsoft YaHei' # 设置为微软雅黑字体
matplotlib.rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字体为黑体若不进行该设置，会报错字体缺失
1. 3D线框图（3D Line Plot）
3d绘图类型（1）：线框图（ Plot）的博客-CSDN博客编辑
2. 3D散点图（3D Plot）
3d绘图类型（2）3D散点图（3D Plot）的博客-CSDN博客编辑
3. 3D条形图（3D Bar Plot）
3d绘图类型（3）3D条形图（3D Bar Plot）的博客-CSDN博客编辑
4. 3D曲面图（3D Plot）
3d绘图类型（4）3D曲面图（3D Plot）的博客-CSDN博客编辑
5.3D等高线图（3D Plot）
3d绘图类型（5）3D等高线图（3D Plot）的博客-CSDN博客
6. 3D向量场图（3D Field Plot）
3d绘图类型（6）3D向量场图（3D Field Plot）的博客-CSDN博客
7. 3D表面投影图（3D Plot）
3d绘图类型（7）3D表面投影图（3D Plot）的博客-CSDN博客
8. 3D饼图（3D Pie Chart）
3d绘图类型（8）3D饼图（3D Pie Chart）的博客-CSDN博客
9.3D等高线投影图（3D Plot）
import numpy as np
import matplotlib.pyplot as plt# 准备数据
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3D图像对象
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')# 生成等高线投影图
ax.contour(X, Y, Z, cmap='viridis')# 添加标签和标题
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('3D Contour Projection Plot')# 显示图像
plt.show()
