Python& Matplotlib:在Jupyter Notebook中进行3D绘图交互

时间:2016-07-14 02:11:57

标签: python matplotlib ipython-notebook jupyter-notebook

我使用Jupyter Notebook来分析数据集。笔记本中有很多情节,其中一些是3d图。

enter image description here

我想知道是否有可能使3d绘图具有交互性,所以我稍后可以更详细地使用它?

也许我们可以在上面添加一个按钮?点击它可以弹出一个3d图,人们可以缩放,平移,旋转等。

我的想法:

1。 matplotlib,%qt

这不适合我的情况,因为我需要在3d情节之后继续绘图。 %qt会干扰以后的情节。

2。 mpld3

在我的情况下,

mpld3几乎是理想的,不需要重写任何东西,与matplotlib兼容。但是,它只支持2D绘图。而且我没有看到任何有关3D的计划(https://github.com/mpld3/mpld3/issues/223)。

3。散景+ visjs

未在bokeh图库中找到任何3d图的实际示例。我只找到使用visjs的{​​{3}}。

4。 Javascript 3D情节?

因为我需要的只是直线和外观,是否可以使用浏览器中的js将数据传递给js plot以使其具有交互性? (然后我们可能还需要添加3d轴。)这可能类似于visjsmpld3

6 个答案:

答案 0 :(得分:49)

尝试:

%matplotlib notebook

请参阅jakevdp回复 here

为JupyterLab用户编辑:

按照instructions安装jupyter-matplotlib

然后不再需要上面的魔术命令,如示例所示:

# Enabling the `widget` backend.
# This requires jupyter-matplotlib a.k.a. ipympl.
# ipympl can be install via pip or conda.
%matplotlib widget
# aka import ipympl

import matplotlib.pyplot as plt

plt.plot([0, 1, 2, 2])
plt.show()

最后,请注意Maarten Breddels'reply;恕我直言ipyvolume确实非常令人印象深刻(也很有用!)。

答案 1 :(得分:10)

有一个名为ipyvolume的新库可以执行您想要的操作the documentation shows live demos。当前版本不执行网格和线条,但是git repo中的master会执行(与版本0.4一样)。 (免责声明:我是作者)

答案 2 :(得分:4)

此列表中缺少

Plotly。 我已经链接了python绑定页面。它最终具有动画和交互式3D图表。由于它是开源的,因此大部分都可以离线使用。当然它正在与Jupyter合作

答案 3 :(得分:4)

我提出的解决方案是在iframe中使用vis.js实例。这显示了笔记本内部的交互式3D绘图,该绘图仍可在nbviewer中使用。 visjs代码借用了3D图形page

上的示例代码

一个小笔记本来说明这一点:demo

代码本身:

from IPython.core.display import display, HTML
import json

def plot3D(X, Y, Z, height=600, xlabel = "X", ylabel = "Y", zlabel = "Z", initialCamera = None):

    options = {
        "width": "100%",
        "style": "surface",
        "showPerspective": True,
        "showGrid": True,
        "showShadow": False,
        "keepAspectRatio": True,
        "height": str(height) + "px"
    }

    if initialCamera:
        options["cameraPosition"] = initialCamera

    data = [ {"x": X[y,x], "y": Y[y,x], "z": Z[y,x]} for y in range(X.shape[0]) for x in range(X.shape[1]) ]
    visCode = r"""
       <link href="https://cdnjs.cloudflare.com/ajax/libs/vis/4.21.0/vis.min.css" type="text/css" rel="stylesheet" />
       <script src="https://cdnjs.cloudflare.com/ajax/libs/vis/4.21.0/vis.min.js"></script>
       <div id="pos" style="top:0px;left:0px;position:absolute;"></div>
       <div id="visualization"></div>
       <script type="text/javascript">
        var data = new vis.DataSet();
        data.add(""" + json.dumps(data) + """);
        var options = """ + json.dumps(options) + """;
        var container = document.getElementById("visualization");
        var graph3d = new vis.Graph3d(container, data, options);
        graph3d.on("cameraPositionChange", function(evt)
        {
            elem = document.getElementById("pos");
            elem.innerHTML = "H: " + evt.horizontal + "<br>V: " + evt.vertical + "<br>D: " + evt.distance;
        });
       </script>
    """
    htmlCode = "<iframe srcdoc='"+visCode+"' width='100%' height='" + str(height) + "px' style='border:0;' scrolling='no'> </iframe>"
    display(HTML(htmlCode))

答案 4 :(得分:4)

您可以使用Plotly库。它可以直接在Jupyter Notebook中渲染交互式3D图。

为此,您首先需要通过运行以下命令来安装Plotly:

pip install plotly

您可能还想通过运行以下命令来升级库:

pip install plotly --upgrade

在那之后,您可以在Jupyter Notebook中编写如下内容:

# Import dependencies
import plotly
import plotly.graph_objs as go

# Configure Plotly to be rendered inline in the notebook.
plotly.offline.init_notebook_mode()

# Configure the trace.
trace = go.Scatter3d(
    x=[1, 2, 3],  # <-- Put your data instead
    y=[4, 5, 6],  # <-- Put your data instead
    z=[7, 8, 9],  # <-- Put your data instead
    mode='markers',
    marker={
        'size': 10,
        'opacity': 0.8,
    }
)

# Configure the layout.
layout = go.Layout(
    margin={'l': 0, 'r': 0, 'b': 0, 't': 0}
)

data = [trace]

plot_figure = go.Figure(data=data, layout=layout)

# Render the plot.
plotly.offline.iplot(plot_figure)

因此,将在Jupyter Notebook中为您绘制以下图表,您将可以与其进行交互。当然,您需要提供您的特定数据,而不是建议的数据。

enter image description here

答案 5 :(得分:2)

对于三维可视化pythreejs是可能在笔记本中使用的最佳方式。它利用了笔记本的交互式小部件基础结构,因此JS和python之间的连接是无缝的。

更高级的库是bqplot,这是一个基于d3的iPython笔记本的交互式viz库,但它只做2D