基本3D图的绘制
Matplotlib已经内置了三维图形，引入这些完整的模块就可以了。
在from mpl _ toolkits.MP lot3dimportaxes3dimportmatplotlib.pyplotasplt中使用axes3d是因为需要不同类型的轴域才能在三维中实际绘制东西。 以下：
fig=PLT.figure (ax1=fig.add _ subplot ) 111，projection='3D ' )此处像往常一样定义图元，然后将ax1定义为常规子图。 这次使用3d投影。 这样，需要提醒Matplotlib提供三维数据。
那么，制作3D数据吧。
x=[ 1，2，3，4，5，6，7，8，9，10 ] y=[ 5，6，7，8，2，5，6，3，7，2 ] z=[ 1，2，6，7，3 ]
ax1.plot_wireframe(x，y，z )最后：
ax1.set_xlabel(xaxis ) ) ax1.set_xlabel(xaxis ) ) ax1.set_xlabel(xaxis ) ) plt.show )我们的完整代码是
from mpl _ toolkits.MP lot3dimportaxes3dimportmatplotlib.pyplotaspltfrommatplotlibimportstyle.use (fivethirtyeight ax1=ax1 ) projection='3d ' ) x=[ 1，2，3，4，5，6，7，8，9，10 ] y=[ 5，6，7，8，8 ] z ) ax1.set_xlabel(xaxis )
这些3D图形可以交互。 首先，您可以使用鼠标左键单击并拖动来移动图形。 也可以右键单击并拖动鼠标以放大或缩小。
3D散点图的绘图创建3D散点图，与普通散点图和3D线框图非常相似。
简单的例子：
from mpl _ toolkits.MP lot3dimportaxes3dimportmatplotlib.pyplotaspltfrommatplotlibimportstyle.use (gg plot ' ) fig ax1=fig projection='3d ' ) x=[ 1，2，3，4，5，6，7，8，8，8 ]-9，- 10 ] y2=[-5，-6，- 6，10 ] 2] marker='o ' ) ax1.set_xlabel(xaxis ) (ax1.set_ylabel ) yaxis ) (ax1.set_zlabel ) zaxis ) PLT.SST
请记住，像常规散点图一样，可以更改这些图的大小和标记。
绘制3D条形图是本Matplotlib教程中介绍的3D条形图。 3D条形图非常独特，因为它可以绘制三个或更多的维。 不，不能绘制超过第三个维度，但可以绘制超过三个维度。
对于条形图，它必须具有条形的起点、条形的高度和宽度。 但是，3D条形图还有另一个选项：条形深度。 在大多数情况下，条形图从轴上的条形平面开始，但也可以通过破坏此约束添加其他维。 但是，我们会让它非常简单：
from mpl _ toolkits.MP lot3dimportaxes3dimportmatplotlib.pyplotaspltimportnumpyasnfrommatplotlibimportstyle.use ' fig=projection='3d ' ) x3=[ 1，2，3，4，5，6，7，8，9，10 ]2) Z3=NP.Zeros(10 ) dx=NP.ones (10 ) dy=NP 10]ax1.bb dz ) ax1.set_xlabel(xaxis ) (ax1.set_ylabel ) yaxis ) (ax1.set_zlabel ) zaxis ) ) plt.show )
欢迎使用最后的Matplotlib教程。 这里整理了整个系列，给出了稍微复杂的3D线框图。
from mpl _ toolkits.MP lot3dimportaxes3dimportmatplotlib.pyplotaspltimportnumpyasnfrommatplotlibimportstyle.use ' fig=projection='3d ' ) x，y，z=axes3d.get_test_data ) ) pata rstride=3，cstride=3) ax1.set _ xlabel
如果您从一开始就关注本教程，那么您已经掌握了Matplotlib提供的大部分内容。 你可能不相信，Matplotlib还能做很多其他的事情！ 请继续学习。 您可以随时访问Matplotlib.org查看示例和图片库页面。
注：空间曲面的画法
#二次抛物面z=x ^ 2y ^ 2x=NP.linspace (-10，10，101 ) y=xx，y=NP.meshgrid(x，y ) z=x * * 2y * * 2ax=plot .
#半径为1的球t=NP.linspace(0，NP.pi * 2，100 ) s=np.linspace(0) 0，NP.pi，100 ) t，s=np.meshgrid(t ) t