Matplotlib 的三维绘图并不是一套独立系统，而是在原有 Figure、Axes 与子图机制上的扩展。三维图仍沿用标题、坐标轴标签与布局调整等基本框架，只是绘图对象从二维平面延伸到了三维空间。
在较新的 Matplotlib 版本中，只要使用 projection='3d' 创建坐标轴，通常不必再显式导入 Axes3D。但从概念上说，三维坐标轴对象仍然属于 mplot3d 提供的 Axes3D 体系。
注：本文只对三维绘图中独有或特别关键的函数参数进行说明。
一、三维坐标轴创建函数
三维图形的前提是先创建三维坐标轴。
add_subplot(..., projection='3d')
在 Figure 对象中添加一个三维子图，并返回对应的三维 Axes 对象。
ax = fig.add_subplot(nrows, ncols, index, projection='3d')参数说明：
• projection='3d'：指定当前子图为三维投影坐标轴；若省略该参数，则创建的是普通二维子图
返回值：返回一个三维 Axes 对象，通常记作 ax。
示例：
plt.show()这是一种非常常见、也较清晰的三维坐标轴创建方式。它保留了 Matplotlib 一贯的“先创建图形，再在图形中添加子图”的结构。
axes(projection='3d')
用于创建一个三维坐标区域。
ax = plt.axes(projection='3d')也可与位置参数一起使用：
ax = plt.axes([left, bottom, width, height], projection='3d')参数说明：
• projection='3d'：指定创建三维坐标轴
返回值：返回一个三维 Axes 对象。
示例：
plt.show()plt.axes() 在二维绘图中也可以使用，但在三维绘图中，必须明确加上 projection='3d'，否则得到的仍然是二维坐标轴。
subplots()
一次性创建 Figure 和一个或多个 Axes 对象。
fig, ax = plt.subplots(nrows=1, ncols=1, figsize=None, subplot_kw={'projection': '3d'})参数说明：
• subplot_kw：传递给每个子图的关键字参数。在三维绘图中，通常写为 {'projection': '3d'}，用于指定创建三维坐标轴
subplots() 的完整接口还包含 sharex、sharey、squeeze、gridspec_kw、**fig_kw 等参数。
返回值：返回一个元组：
• fig：Figure 对象，表示整张画布
• ax 或 axs：子图对象；当创建的是三维子图时，这里得到的是三维坐标轴对象
示例：
plt.show()subplots() 的优势在于能够一次性完成画布与子图的创建，写法紧凑，特别适合规则的单图或多子图布局。
不过，在三维绘图的教学中，很多示例仍常写成“先 plt.figure()，再 fig.add_subplot(..., projection='3d')”的形式，因为这种写法更容易体现三维坐标轴是如何附加到 Figure 上的。
二、三维基础绘图函数
与二维图形不同，这一组函数需要处理空间中的点、线、面或立体对象。
scatter()
用于绘制三维散点图，展示离散点在三维空间中的分布情况。
ax.scatter(xs, ys, zs=0, zdir='z', s=None, c=None, depthshade=True, **kwargs)参数说明：
• zs：第三维坐标数据，即各点的 z 值
• zdir：指定第三维所对应的方向，默认是 'z'
• depthshade：是否启用深度阴影效果，用于增强空间层次感
返回值：返回一个 PathCollection 对象。
示例：
plt.show()与二维散点图相比，三维散点图多了 z 方向，因此每个点由 (x, y, z) 三个值共同确定。
它适合观察三维点云分布、聚类结构或三个变量之间的空间关系。
plot()
用于绘制三维折线图，也可理解为在三维空间中绘制连续轨迹。
ax.plot(xs, ys, zs, **kwargs)参数说明：
• zs：第三维坐标数据。在 3D 坐标轴中，第三维数据通常作为第三组位置参数传入
返回值：返回一个由线对象组成的列表。
示例：
plt.show()三维折线图常用于绘制空间轨迹，例如螺旋线、参数曲线或路径变化过程。
从本质上说，它仍然是“按顺序连接数据点”，只是连接发生在三维空间中。
plot_surface()
用于绘制三维曲面图，是三维绘图中最重要的函数之一。它通常用来展示二元函数的整体形状或某个平面区域上的高度变化。
ax.plot_surface(X, Y, Z, *, norm=None, vmin=None, vmax=None, lightsource=None, axlim_clip=False, **kwargs)参数说明：
• X、Y：网格坐标矩阵
• Z：与 X、Y 对应的高度矩阵
• rcount：行方向参与绘制的最大采样数，默认 50
• ccount：列方向参与绘制的最大采样数，默认 50
• cmap：颜色映射方案，用于根据高度显示不同颜色
rainbow：彩虹渐变，视觉鲜艳，但不太适合严肃的数据表达• edgecolor：曲面网格边界颜色
其它合法颜色名：如 'red'、'blue'、'green' 等• rstride：行方向采样步长
• cstride：列方向采样步长
• linewidth：网格线宽
• antialiased：是否启用抗锯齿
• alpha：透明度
返回值：返回一个 Poly3DCollection 对象。
示例：
plt.show()plot_surface() 与散点图、折线图不同，它要求输入数据通常是二维网格结构。因此，在使用前往往需要先通过 np.meshgrid() 构造 X、Y 网格，再计算对应的 Z 值。
plot_surface() 默认会通过 rcount 和 ccount 控制每个方向参与绘制的最大采样数，默认均为 50；也可以改用 rstride、cstride 指定步长。对于网格非常密集的数据，这一机制有助于控制绘图开销。
plot_wireframe()
用于绘制三维线框图。
ax.plot_wireframe(X, Y, Z, **kwargs)参数说明：
• X、Y、Z：二维数组，表示曲面上各点的坐标
• rcount、ccount：每个方向上用于绘制的最大采样数，默认均为 50
• rstride、cstride：行和列的步长，可用于控制线框稀疏程度
• color：线框颜色
• linewidth：线宽
• axlim_clip：是否裁剪坐标轴范围外的线框，默认 False。
返回值：返回一个 Line3DCollection 对象。
示例：
plt.show()plot_wireframe() 与 plot_surface() 类似，都用于展示曲面形状；不同的是，线框图更强调网格结构本身，适合观察曲面的整体轮廓与起伏变化。官方文档还说明，若输入数据点过多，函数会按 rcount 和 ccount 自动下采样。
plot_trisurf()
用于绘制基于三角剖分的三维曲面图。
ax.plot_trisurf(*args, color=None, **kwargs)参数说明：
plot_trisurf() 的参数形式比 plot_surface() 更灵活，常见写法有两类：
第一类，直接传入三角剖分对象：
ax.plot_trisurf(triangulation, Z, ...)第二类，直接传入点坐标：
ax.plot_trisurf(X, Y, Z, ...)常用参数包括：
• X、Y、Z：曲面点坐标
• triangles：三角形顶点索引
• cmap：颜色映射方案
• color：整体颜色
• linewidth：边界线宽
• antialiased：是否抗锯齿
• axlim_clip：是否裁剪坐标轴范围外的内容。
返回值：返回一个 Poly3DCollection 对象。
示例：
plt.show()plot_surface() 通常要求输入规则网格数据，因此常常需要先用 np.meshgrid() 构造二维网格；而 plot_trisurf() 不要求点必须落在规则网格上，它会根据平面散点自动进行三角剖分，再生成曲面。正因为如此，它更适合处理实验采样点、地形离散点、传感器测量点等不规则空间数据。
bar3d()
用于绘制三维柱状图，在三维空间中显示立体柱体。
ax.bar3d(x, y, z, dx, dy, dz, color=None, zsort='average', shade=True, **kwargs)参数说明：
• x：柱体底部起点的 x 坐标
• y：柱体底部起点的 y 坐标
• z：柱体底部起点的 z 坐标
• dx：柱体在 x 方向上的宽度
• dy：柱体在 y 方向上的宽度
• dz：柱体在 z 方向上的高度
• zsort：柱体排序方式，影响渲染顺序
'max'：按柱体相关顶点 z 值的最大值决定绘制顺序• shade：是否启用阴影效果
返回值：返回一个 Poly3DCollection 对象。
示例：
plt.show()三维柱状图可以看作二维柱状图在空间中的扩展。
不过，由于三维图存在遮挡与透视问题，它虽然更立体，却不一定总比二维柱状图更清晰。因此在正式分析中应根据任务选择。
contour()
用于绘制三维等高线图，展示曲面的等值线结构。
ax.contour(X, Y, Z, levels=None, zdir='z', offset=None, cmap=None, **kwargs)参数说明：
• X：网格点的 x 坐标二维数组
• Y：网格点的 y 坐标二维数组
• Z：对应位置的高度值二维数组
• levels：等高线层级数量或具体层级值
• zdir：指定等高线投影方向
• offset：投影偏移位置
• cmap：颜色映射方案
返回值：返回一个 QuadContourSet 对象。
示例：
plt.show()这里的 ax.contour() 是在三维坐标轴上绘制等高线，可直接显示在三维空间中，也可结合 zdir 与 offset 做投影。
三维等高线图常用于辅助观察曲面的层级变化。它既可以单独绘制，也可以与 plot_surface() 配合使用，使曲面的高低结构更加清晰。
contourf()
用于绘制三维填充等高线图。
ax.contourf(X, Y, Z, *args, zdir='z', offset=None, **kwargs)参数说明：
• *args：等高线层级等额外参数
• zdir：等高线延伸或投影的方向，可取 'x'、'y'、'z'
• offset：若指定，则将填充等高线投影到与 zdir 垂直的平面上
• cmap：颜色映射方案
• axlim_clip：是否裁剪坐标轴范围外的内容，默认 False
返回值：返回一个 QuadContourSet 对象。
示例：
plt.show()contourf() 可以看作 contour() 的填充版本。它不仅能显示等值分层，还能通过颜色填充增强层次感；若配合 offset 使用，还可以把填充等高线投影到某个坐标平面上。
quiver()
用于绘制三维箭头场。
ax.quiver(X, Y, Z, U, V, W, **kwargs)参数说明：
• X、Y、Z：箭头起点坐标
• U、V、W：箭头在三个方向上的分量
• length：箭头长度缩放因子，默认 1
• arrow_length_ratio：箭头头部相对于整体长度的比例，默认 0.3
• pivot：箭头锚点位置，可取 'tail'、'middle'、'tip'
• normalize：是否将箭头长度归一化，默认 False
• axlim_clip：是否裁剪坐标轴范围外的箭头，默认 False
返回值：返回一个 Line3DCollection 对象。
示例：
plt.show()quiver() 常用于展示方向、速度、力场、梯度等向量信息。与散点图展示“位置”不同，箭头图同时表达了“位置 + 方向 + 大小”三类信息。
三、三维图形修饰函数
三维图除了常见的标题、横轴标签、纵轴标签之外，还多了 z 轴和观察角度等三维特有信息。因此，这一组函数在三维图中尤其重要。
set_title()
用于设置三维子图标题。
ax.set_title(label, fontdict=None, loc=None, pad=None, **kwargs)参数说明：
该函数与二维绘图中的 set_title() 用法相同，三维绘图中没有新增的独有参数。
返回值：返回一个 Text 对象。
示例：
ax.set_title("三维曲面图")该函数虽然不是三维绘图独有，但在三维图中同样用于说明图形内容，常与 set_xlabel()、set_ylabel()、set_zlabel() 配合使用。
set_xlabel()/set_ylabel()
用于设置三维坐标轴中的 x 轴与 y 轴标签。
ax.set_ylabel(ylabel, fontdict=None, labelpad=None, **kwargs)参数说明：
与二维绘图中的同名函数一致，三维场景中没有额外独有参数。
返回值：返回一个 Text 对象。
示例：
ax.set_ylabel("Y")set_zlabel()
用于设置三维坐标轴的 z 轴标签。
ax.set_zlabel(zlabel, fontdict=None, labelpad=None, **kwargs)参数说明：
• zlabel：z 轴标签文本
• 其余参数含义与 set_xlabel()、set_ylabel() 类似
返回值：返回一个 Text 对象。
示例：
plt.show()set_zlim()
用于设置三维坐标轴 z 轴的显示范围。
ax.set_zlim(bottom=None, top=None)参数说明：
• bottom：z 轴下界
• top：z 轴上界
返回值：返回设置后的 z 轴范围。
示例：
ax.set_zlim(0, 20)当 z 方向数据跨度较大，或者希望突出某一高度区间时，set_zlim() 很有用。它与二维图中的 set_xlim()、set_ylim() 在作用逻辑上是一致的。
view_init()
用于设置三维图的观察角度。它决定读者从什么方向观看当前三维图形，因此在三维绘图中非常重要。
ax.view_init(elev=None, azim=None, roll=None, vertical_axis='z', share=False)参数说明：
• elev：仰角，即从竖直方向上观察的角度
• azim：方位角，即绕垂直轴旋转的角度
• roll：绕观察方向的旋转角度
• vertical_axis：指定哪个轴视为竖直方向，默认是 'z'
返回值：无返回值，主要起视角设置作用。
示例：
plt.show()三维图的可读性在很大程度上依赖视角。
同一组数据，如果观察角度不合适，空间结构可能会变得难以辨认。因此，view_init() 不是单纯的美化函数，而是三维表达的重要组成部分。
set_proj_type()
用于设置三维图的投影方式。它决定三维场景是采用透视投影还是正交投影，从而影响图形的空间视觉效果。
ax.set_proj_type(proj_type, focal_length=None)参数说明：
• proj_type：投影类型，常见取值为：
'ortho'：正交投影，不表现近大远小，更适合强调几何结构与尺寸关系• focal_length：焦距参数，主要用于透视投影效果调节
返回值：无返回值。
示例：
plt.show()view_init() 解决的是“从哪个方向看”，而 set_proj_type() 解决的是“用什么投影方式看”。二者共同决定三维图的视觉呈现。官方专门提供了 3D plot projection types 示例来展示不同投影方式的效果差异。
set_box_aspect()
用于设置三维坐标轴盒子的显示比例。
ax.set_box_aspect(aspect, *, zoom=1)参数说明：
• aspect：三维坐标轴盒子的比例，通常写成三元组，如 (1, 1, 1) 或 (2, 1, 1)
• zoom：缩放系数，默认 1
返回值：无返回值。
示例：
plt.show()set_box_aspect() 控制的是三维坐标轴外框在显示中的比例，而不是数据本身的数值比例。官方文档指出，其默认盒子比例为 4:4:3。在三维图中，如果默认显示效果让图形显得“过扁”或“过高”，这个函数非常有用。
tight_layout()
自动调整子图间距，减少多子图场景中的标题、标签和刻度重叠。
plt.tight_layout(pad=1.08)或：
fig.tight_layout(pad=1.08)参数说明：
与二维绘图中的 tight_layout() 基本一致，三维绘图中没有新增独有参数。
返回值：无显式返回值。
示例：
plt.tight_layout()tight_layout() 可用于对子图间距做基础性的自动调整，但官方文档同时指出，它属于较早的布局机制，只检查刻度标签、轴标签和标题等元素的范围。在复杂三维多子图场景中，它的效果可能有限；若布局更复杂，通常更推荐使用 constrained_layout。
小结
Matplotlib 三维绘图的关键，是先创建三维坐标轴，再根据数据特点选择点、线、曲面、柱体或向量场等函数，最后结合 z 轴范围、观察角度、投影方式与盒子比例完善表达。学习时，应重点把握不同数据组织形式与函数选择之间的对应关系。
“点赞有美意，赞赏是鼓励”
热门跟贴