matplotlib 具有颜色梯度的3D散点图

lf3rwulv  于 2023-05-01  发布在  其他
关注(0)|答案(2)|浏览(149)

如何为点创建具有颜色渐变的3D图?请参见下面的示例,该示例适用于2D散点图。
编辑(感谢Chris):我期望从3D图中看到的是从红色到绿色的点的颜色梯度,就像在2D散点图中一样。我在3D散点图中看到的只是红点。
解决方案:出于某些原因(与我复制到别处的渐变示例有关),我将xrange设置为len-1,这会打乱3D图中的所有内容。

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

# Create Map
cm = plt.get_cmap("RdYlGn")

x = np.random.rand(30)
y = np.random.rand(30)
z = np.random.rand(30)
#col = [cm(float(i)/(29)) for i in xrange(29)] # BAD!!!
col = [cm(float(i)/(30)) for i in xrange(30)]

# 2D Plot
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(x, y, s=10, c=col, marker='o')  

# 3D Plot
fig = plt.figure()
ax3D = fig.add_subplot(111, projection='3d')
ax3D.scatter(x, y, z, s=10, c=col, marker='o')  

plt.show()
h7wcgrx3

h7wcgrx31#

下面是一个带有渐变颜色的3D散射示例:

import matplotlib.cm as cmx
from mpl_toolkits.mplot3d import Axes3D
def scatter3d(x,y,z, cs, colorsMap='jet'):
    cm = plt.get_cmap(colorsMap)
    cNorm = matplotlib.colors.Normalize(vmin=min(cs), vmax=max(cs))
    scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=cm)
    fig = plt.figure()
    ax = Axes3D(fig)
    ax.scatter(x, y, z, c=scalarMap.to_rgba(cs))
    scalarMap.set_array(cs)
    fig.colorbar(scalarMap)
    plt.show()

当然,您可以选择不同值之间的范围,如0和1。

rjjhvcjd

rjjhvcjd2#

以下作品:我不明白为什么你的没有。您应该能够将颜色设置为RGBA浮点序列,或者只是浮点序列。

# Create Map
cm = plt.get_cmap("RdYlGn")

x = np.random.rand(30)
y = np.random.rand(30)
z = np.random.rand(30)
col = np.arange(30)

# 2D Plot
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(x, y, s=10, c=col, marker='o')  

# 3D Plot
fig = plt.figure()
ax3D = fig.add_subplot(111, projection='3d')
p3d = ax3D.scatter(x, y, z, s=30, c=col, marker='o')                                                                                

plt.show()

但是,在帮助分散,我看到以下,这可能是相关的。

A :class:`matplotlib.colors.Colormap` instance or registered
    name. If *None*, defaults to rc ``image.cmap``. *cmap* is
    only used if *c* is an array of floats.

相关问题