← 返回《Python 数据分析实战》
📑 查看全课大纲(第 82 / 101 节)
  1. 1.数据分析基本概念
  2. 2.学习数据分析的一般路线
  3. 3.数据分析的流程
  4. 4.数据类型
  5. 5.环境部署(1)
  6. 6.环境部署(2)
  7. 7.课程介绍
  8. 8.TXT文件操作
  9. 9.JSON文件操作
  10. 10.CSV文件操作
  11. 11.Excel文件操作
  12. 12.数据库及SQL常用语法
  13. 13.数据库基本操作
  14. 14.数据库多表连接
  15. 15.实战:欧洲职业足球数据库分析
  16. 16.爬虫简介
  17. 17.URL管理模块
  18. 18.网页下载模块
  19. 19.网页解析模块(1)
  20. 20.网页解析模块(2)
  21. 21.Scrapy简介
  22. 22.Scrapy使用步骤(1)
  23. 23.Scrapy使用步骤(2)
  24. 24.Scrapy使用步骤(3)
  25. 25.Scrapy使用步骤(4)
  26. 26.实战:获取国内城市空气质量指数数据
  27. 27.NumPy和SciPy介绍
  28. 28.多维数组
  29. 29.多维数组操作
  30. 30.NumPy的常用方法
  31. 31.向量化介绍
  32. 32.向量化及通用函数
  33. 33.实战:2016美国大选分析
  34. 34.数据结构-Series
  35. 35.数据结构-DataFrame
  36. 36.数据结构-Index
  37. 37.Series的索引操作
  38. 38.DataFrame的索引操作
  39. 39.索引操作总结
  40. 40.运算与对齐
  41. 41.函数应用操作(1) -- map
  42. 42.函数应用操作 (2) -- apply applymap
  43. 43.文件读写操作
  44. 44.排序操作
  45. 45.数据清洗--处理缺失数据
  46. 46.数据清洗--处理重复数据
  47. 47.数据清洗--替换数据
  48. 48.常用统计方法(1) -- describe quantile
  49. 49.常用统计方法(2) -- sum mean median count
  50. 50.常用统计方法(3) -- max min idxmax idxmin
  51. 51.常用统计方法(4) -- mad var std cumsum
  52. 52.实战:全球食品数据分析
  53. 53.层级索引
  54. 54.分组与聚合介绍
  55. 55.分组操作(1) -- GroupBy对象及常用聚合操作
  56. 56.分组操作(2) -- 自定义分组及聚合操作
  57. 57.透视表介绍
  58. 58.透视表操作
  59. 59.数据规整(1) -- 数据合并concat
  60. 60.数据规整(2) -- 数据连接merge
  61. 61.数据重构(3) -- 数据重构stack unstack
  62. 62.实战:互联网电影资料库分析
  63. 63.探索性数据分析EDA介绍
  64. 64.EDA的目的
  65. 65.EDA常用工具
  66. 66.Matplotlib绘图基本介绍
  67. 67.Matplotlib画布
  68. 68.散点图和柱状图的绘制
  69. 69.直方图的绘制
  70. 70.矩阵绘图
  71. 71.子图的使用
  72. 72.Matplotlib颜色、标记、线型
  73. 73.Matplotlib坐标刻度、标签、图例、标题
  74. 74.Seaborn介绍
  75. 75.数据集分布可视化(1) -- 单变量分布、双变量分布
  76. 76.数据集分布可视化(2) -- 变量关系可视化
  77. 77.类别数据可视化 -- 类别散布图、类别内数据分布、类别内统计图
  78. 78.交互式数据可视化工具Bokeh介绍
  79. 79.Bokeh绘制散点图、柱状图、盒子图、弦图
  80. 80.Bokeh绘制常用图形元素
  81. 81.D绘图 -- mplot3d
  82. 82.D曲线可视化
  83. 83.D散点图可视化
  84. 84.D柱状图可视化
  85. 85.Pandas绘图
  86. 86.实战:Lending Club借贷数据探索性分析及可视化
  87. 87.机器学习介绍及应用场景
  88. 88.机器学习建模介绍 (1) -- 分类
  89. 89.机器学习建模介绍 (2) -- 回归
  90. 90.机器学习建模介绍 (3) -- 聚类
  91. 91.机器学习分类
  92. 92.机器学习工具scikit-learn
  93. 93.使用scikit-learn的流程
  94. 94.数据集准备及划分
  95. 95.模型选择
  96. 96.数据预处理及特征工程
  97. 97.过拟合与欠拟合
  98. 98.模型调参介绍
  99. 99.模型调参方法
  100. 100.模型测试及评价
  101. 101.实战:通过移动设备行为数据预测性别和年龄

D曲线可视化

约 3 分钟

📺 正在播放小象官方高清录播(支持倍速与清晰度调节)

三维空间科学可视化:3D 参数曲线 plot3D 与空间运动轨迹精讲

小象实战讲义 · Python数据分析实战

在物理动力学、航空航天轨道追踪、机器人末端执行器路径规划以及生物大分子螺旋结构建模中,数据点随着时间推移在空间三维中形成连续的空间曲线(3D Trajectory / Curve)。使用 Matplotlib 的 ax.plot3D()(或 ax.plot() 在 3D 轴上),我们可以将空间三维坐标 $(x, y, z)$ 顺次连接为光滑立体曲线。本节我们将深入学习三维参数方程曲线(如空间螺旋线、洛伦兹吸引子流形)的构建与样式渲染。

💡 核心导读

  • 3D 曲线绘制函数 ax.plot3D(xs, ys, zs):将空间序列点连接为三维折线/平滑曲线。
  • 三维参数方程(Parametric Equations):以单参数 $t$ 为自变量,同时生成 $x(t)$、$y(t)$、$z(t)$。
  • 空间曲线视觉强化:线宽、虚实样式、颜色渐变与起点终点标记。

1. 空间螺旋线与参数方程构建

空间圆柱螺旋线的数学参数方程定义为: $$x(t) = r \cos(t), \quad y(t) = r \sin(t), \quad z(t) = c \cdot t$$

import matplotlib.pyplot as plt
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. 准备空间圆柱螺旋线数据
z = np.linspace(0, 15, 1000)
x = np.sin(z)
y = np.cos(z)

# 2. 绘制 3D 空间螺旋曲线
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection="3d")

ax.plot3D(x, y, z, color="#e74c3c", lw=2.5, label="空间圆柱螺旋轨迹")

# 标记起点与终点
ax.scatter3D([x[0]], [y[0]], [z[0]], color="green", s=60, label="起点")
ax.scatter3D([x[-1]], [y[-1]], [z[-1]], color="black", s=60, marker="^", label="终点")

ax.set_title("3D 空间参数螺旋线可视化 (plot3D)", fontsize=13)
ax.set_xlabel("X 轴")
ax.set_ylabel("Y 轴")
ax.set_zlabel("Z 轴 (高度)")
ax.legend(loc="upper left")
ax.view_init(elev=25, azim=40)

plt.savefig("3d_curve_helix.png", bbox_inches="tight")
plt.close(fig)
print("✅ 空间螺旋曲线渲染完成!")

2. 双曲线空间对比与动态轨迹分析

在同一三维坐标系中可以叠加多条空间轨迹进行对比分析。

# 叠加衰减螺旋轨迹
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection="3d")

# 正常螺旋
ax.plot3D(np.sin(z), np.cos(z), z, "b-", lw=2, label="标准轨道")

# 半径指数衰减螺旋
r_decay = np.exp(-z / 8)
ax.plot3D(r_decay * np.sin(z), r_decay * np.cos(z), z, "r--", lw=2, label="能量衰减向心轨道")

ax.set_title("多空间粒子运动轨迹对比", fontsize=13)
ax.legend()
ax.view_init(elev=20, azim=-50)

plt.savefig("3d_multi_curves.png", bbox_inches="tight")
plt.close(fig)

import os
for f in ["3d_curve_helix.png", "3d_multi_curves.png"]:
    if os.path.exists(f): os.remove(f)
print("✅ 多空间曲线对比图完成!")

📝 动手练一练

  1. 概念思考题:在绘制 3D 曲线时,如果传入的 x、y、z 三个数组长度不一致,程序会发生什么?

    👉 点击查看参考答案

    参考答案: 程序会立即抛出 ValueError(输入维度不匹配)。三维空间曲线要求每个时间步 $t_i$ 必须拥有一一对应的三维坐标 $(x_i, y_i, z_i)$,因此三个数组的长度必须严格相等。

  2. 编程练习:编写代码绘制从原点 (0, 0, 0) 到点 (1, 2, 3) 的空间直线段。

    👉 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.plot3D([0, 1], [0, 2], [0, 3], 'k-', lw=3)
    plt.close(fig)

本章小结

  • 掌握了基于参数方程构建空间三维曲线数据的数学方法;
  • 熟练运用 ax.plot3D() 绘制连续空间运动轨迹;
  • 学会了在三维空间中结合散点图元精准标注运动起点与终点。

📋 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(3):3D 散点图与聚类流形可视化》!

—— 小象教研组

配套学习资源与课件
  • 本节课件:3D曲线可视化(PDF · 203KB)
    下载
  • 全套课件打包(第1-5章)(ZIP · 12.8MB)
    下载
  • 全套课件打包(第6-8章)(ZIP · 15MB)
    下载
  • 实战数据集:AppleStore 应用商城分析(ZIP · 329KB)
    下载
  • 实战数据集:女性服装电商分析(ZIP · 2.8MB)
    下载
  • Python 数据分析环境搭建指南(PDF · 2MB)
    下载
  • Scrapy 安装教程(PDF · 12.7MB)
    下载
  • 附加实战项目:AppleStore 应用商城数据分析(ZIP · 0.3MB · ipynb + CSV 数据)
    下载
  • 附加实战项目:银行电话营销数据分析(ZIP · 0.4MB · ipynb + CSV 数据)
    下载
  • 附加实战项目:女性服装电商评论数据分析(ZIP · 2.7MB · ipynb + CSV 数据)
    下载
  • 附加实战项目:美国化学学会杂志数据分析(ZIP · 34.2MB · ipynb + SQLite 数据库)
    下载
🎁 免费学习资源

领取《小象 11GB VIP 课件资料包与大厂真题手册》

包含全套实战 Jupyter 源码、清洗后数据集、大厂高频面试真题与专属学员答疑交流群。

  • 完整 Python / 数据分析 Jupyter 实战源码
  • 大厂真实业务数据集与练习题
  • 微信扫码添加课程顾问,免费获取网盘下载链接
微信二维码:扫码添加课程顾问微信扫码添加顾问