D绘图 -- mplot3d

三维空间科学可视化：mplot3d 工具包架构、3D 坐标系构建与视角调控精讲

小象实战讲义 · Python数据分析实战

在物理学仿真、地理地形建模、流体力学以及高维特征空间聚类分析中，传统二维平面图表往往无法充分表达空间三维关系 $(X, Y, Z)$。Matplotlib 内置了功能强大的三维绘图扩展库——mpl_toolkits.mplot3d。通过开启 projection='3d' 投影模式，我们可以在 Python 中快速构建具有立体景深、支持鼠标自由三维旋转观察、透视缩放的真实三维空间坐标系。本节我们将深入剖析 mplot3d 的底层架构、三维投影创建机制以及视角仰角/方位角的精确控制。

💡 核心导读

• mplot3d 的底层渲染哲学：在 Matplotlib 的二维画布上通过透视投影矩阵（Perspective Projection）模拟三维视差与深度。
• 三维坐标系标准创建范式：fig, ax = plt.subplots(subplot_kw={'projection': '3d'})。
• 视角动态控制参数：ax.view_init(elev=..., azim=...)：
  • elev（Elevation 仰角）：视线与 X-Y 水平面的垂直夹角；
  • azim（Azimuth 方位角）：视线在 X-Y 平面内的水平旋转角度。
• 三维坐标轴标签与边界范围管理。

1. mplot3d 坐标系构建与视角控制模型

三维坐标系空间视角参数拓扑如下：

┌─────────────────────────────────────────────────────────────┐
│                 mplot3d 空间视角 (elev & azim)              │
├─────────────────────────────────────────────────────────────┤
│ • elev (仰角: -90° 到 +90°): 从正上方俯视或水平平视         │
│ • azim (方位角: 0° 到 360°): 绕 Z 轴水平 360 度环绕视角      │
└─────────────────────────────────────────────────────────────┘

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# 解决中文显示
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 1. 创建包含 3D 投影的画布与坐标系
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection="3d")

# 2. 设置三维坐标轴标签与标题
ax.set_title("mplot3d 三维空间坐标系标准展示", fontsize=13, pad=15)
ax.set_xlabel("X 空间轴 (维度1)", fontsize=10, labelpad=8)
ax.set_ylabel("Y 空间轴 (维度2)", fontsize=10, labelpad=8)
ax.set_zlabel("Z 空间轴 (指标响应)", fontsize=10, labelpad=8)

# 3. 精确控制观察视角 (仰角 30 度, 方位角 45 度)
ax.view_init(elev=30, azim=45)

plt.savefig("mplot3d_base_demo.png", bbox_inches="tight")
plt.close(fig)
print("✅ 三维坐标系创建成功！")

2. 不同视角下三维空间的感知对比

通过调整 view_init 可以从俯视图、侧视图与等轴测视角全方位观察空间结构。

# 对比不同视角
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4.5), subplot_kw={"projection": "3d"})

# 视角 1: 俯视图 (elev=80, azim=-60)
ax1.view_init(elev=80, azim=-60)
ax1.set_title("视角 1: 高空俯视 (elev=80)")

# 视角 2: 侧平视 (elev=10, azim=120)
ax2.view_init(elev=10, azim=120)
ax2.set_title("视角 2: 侧方平视 (elev=10, azim=120)")

plt.tight_layout()
plt.savefig("views_demo.png", bbox_inches="tight")
plt.close(fig)

import os
for f in ["mplot3d_base_demo.png", "views_demo.png"]:
    if os.path.exists(f): os.remove(f)
print("✅ 多视角对比出图成功！")

📝 动手练一练

1. 概念思考题：在创建三维子图时，为什么现代 Matplotlib 推荐使用 fig.add_subplot(111, projection=‘3d’) 而不再推荐导入并实例化 Axes3D(fig)？

   👉 点击查看参考答案

   参考答案： 旧版直接 Axes3D(fig) 会绕过画布网格管理器，容易引发子图布局重叠与弃用警告。使用 projection='3d' 是 Matplotlib 统一的投影注册机制，能够与 plt.subplots()、GridSpec 等现代网格排版系统无缝协同。

2. 编程练习：编写代码创建一个三维坐标系，并将其观察视角设置为正俯视（仰角 90 度）。

   👉 点击查看参考答案

   参考答案：

   import matplotlib.pyplot as plt
   fig = plt.figure()
   ax = fig.add_subplot(111, projection='3d')
   ax.view_init(elev=90, azim=0)
   plt.close(fig)

本章小结

• 掌握了 mpl_toolkits.mplot3d 与 projection='3d' 构建三维坐标系的标准方法；
• 深刻理解了 elev（仰角）与 azim（方位角）在三维视角控制中的几何意义；
• 具备了在三维空间中规范设置 X/Y/Z 三轴标签与视距边界的工程能力。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《三维可视化绘图(2)：3D 曲线与空间轨迹可视化》！

—— 小象教研组