Python:绘制3D表面图

时间:2020-08-11 17:47:42

标签: python dataframe matplotlib plotly

我很难绘制Plotly 3d表面图。我有一个4000行三列的大数据框。我确实在这里提出了问题,并得到了一些答案。当我尝试它们时,代码需要花费几个小时才能运行,但我看不到任何图。我想确认我在做什么。因为我是地面情节的新手。

我的代码:

import plotly.graph_objects as go
import plotly.graph_objs
import plotly
df = 
index     x           y           z
0        10.2        40.5        70.5            
1        30.5        30.2       570.5
.
.
4000     100.5       201.5      470.5

df['z']= [df['z'].tolist for x in df.index]
df = 
index     x           y           z
0        10.2        40.5       [70.5,570.5,..,470.5]            
1        30.5        30.2       [70.5,570.5,..,470.5]
.
.
4000     100.5       201.5      [70.5,570.5,..,470.5]

    zdata = [df['z'].tolist()]*len(df)
    plotly.offline.plot({"data":[go.Surface(x=df['x'].values,
                                            y=df['y'].values,
                                            z = df['z'].values)],
    "layout":plotly.graph_objs.Layout(title='Some data', autosize=False,
                      width=600, height=600,
                    scene = dict(xaxis_title='x',
                    yaxis_title='y',
                    zaxis_title='z'),
                      margin=dict(l=10, r=10, b=10, t=10))})

我希望能有人澄清我生成表面图的正确性吗?

1 个答案:

答案 0 :(得分:2)

这是一个简单的/ 精简的3D表面图示例,希望可以帮助您前进。

这里的关键信息是:不要过于复杂。在具有4000多个行的DataFrame上,这种相同的逻辑应该很好。 (当然,它会绘制约1600万个数据点,因此会花费一些时间。)

要记住的关键点是z必须是形状为[x.shape[0], y.shape[0]]的二维数组。从本质上讲,如果xy的长度为10,则z的形状必须为:[10, 10]

由于我没有您完整的数据集,因此我已经对数据进行了合成-希望可以用于说明目的。此外,为简单起见,我坚持使用numpy,请记住,numpy数组本质上是DataFrame列。

简单示例:

import numpy as np
from plotly.offline import plot

n = 10
x = np.arange(n)
y = x
z = np.tile(x**2, [n, 1])

data = [{'x': x,
         'y': y,
         'z': z,
         'type': 'surface'}]

plot({'data': data}, filename='/path/to/graph.html')

输出:

enter image description here

有点有趣:

n = 360
x = np.arange(n)
y = x
v = np.tile([np.sin(i*(np.pi/180)) for i in range(n)], [n, 1]).T
z = (v.T[0]*v)

data = [{'x': x,
         'y': y,
         'z': z,
         'type': 'surface'}]

plot({'data': data}, filename='/path/to/graph.html')

您会注意到绘图逻辑是相同的。

输出:

enter image description here