《15节课Python绘图从入门到精通》9——三维数据呈现实操

import numpy as npimport pandas as pdnp.random.seed(2024)# 生成不规则分布的XYZ数据点（模拟实验测量）n_points = 250x = np.random.uniform(-3, 3, n_points)y = np.random.uniform(-3, 3, n_points)# 构造一个具有双峰、一个凹陷的复杂响应曲面z = ( 8 * np.exp(-((x-1.5)**2 + (y-1)**2)/2) +           # 右上前峰6 * np.exp(-((x+1.8)**2 + (y+1.2)**2)/1.5) -       # 左下后峰4 * np.exp(-((x)**2 + (y)**2)/3) +                 # 中心凹陷1.5 * np.sin(2.5*x) * np.cos(2.0*y) +             # 波动项0.4 * x + 0.3 * y )                                # 线性趋势# 添加测量噪声（模拟实验误差）z += np.random.normal(0, 0.5, n_points)df_xyz = pd.DataFrame({'X': x, 'Y': y, 'Z': z})df_xyz.to_csv('三维散点数据.csv', index=False, encoding='utf-8-sig')print("数据生成完成：三维散点数据.csv（含X, Y, Z三列，共250个数据点）")

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D# 学术样式设置defset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x = df['X'].valuesy = df['Y'].valuesz = df['Z'].valuesfig = plt.figure(figsize=(5.5, 4.5))ax = fig.add_subplot(111, projection='3d')sc = ax.scatter(x, y, z, s=15, c='#4472C4', alpha=0.7, edgecolors='black', linewidths=0.3)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('三维散点图（基础）', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维散点图_基础.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维散点图_基础.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 使用projection='3d'创建三维坐标轴，scatter绘制散点。

• 默认视角为elev=30, azim=-60，可从不同角度观察数据分布。

• 散点颜色单一，大小固定，适用于初步探索数据整体结构。

进阶1：散点颜色映射Z值（连续色阶）

将Z值（响应变量）映射为散点颜色，直观展示响应值的空间变化。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Ddefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesfig = plt.figure(figsize=(5.5, 4.5))ax = fig.add_subplot(111, projection='3d')sc = ax.scatter(x, y, z, s=20, c=z, cmap='viridis', alpha=0.8,                 edgecolors='black', linewidths=0.3)cbar = fig.colorbar(sc, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('三维散点图（Z值颜色映射）', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维散点图_颜色映射.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维散点图_颜色映射.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 通过c=z将散点颜色与Z值关联，cmap='viridis'使用色盲友好渐变色。

• 颜色条显示Z值范围，高响应区（黄色）和低响应区（深紫）一目了然。

• 结合Z轴高度和颜色双重编码，增强数据可读性。

进阶2：散点大小映射第四维信息

假设每个数据点带有测量置信度或权重，将散点大小与第四维变量关联。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Ddefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].values# 模拟第四维：测量精度/权重（中心区域精度高，边缘低）weights = np.exp(-(x**2 + y**2)/8) + 0.3 * np.random.rand(len(x))# 映射到散点大小（15~80）sizes = 15 + 65 * (weights - weights.min()) / (weights.max() - weights.min())fig = plt.figure(figsize=(5.5, 4.5))ax = fig.add_subplot(111, projection='3d')sc = ax.scatter(x, y, z, s=sizes, c=z, cmap='plasma', alpha=0.7,                 edgecolors='black', linewidths=0.3)cbar = fig.colorbar(sc, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('三维散点图（大小表示测量权重）', fontsize=10)# 添加大小图例（手动）import matplotlib.patches as mpatcheslegend_sizes = [0.2, 0.5, 0.9]legend_labels = ['低权重', '中权重', '高权重']handles = [mpatches.Patch(color='gray', alpha=0.6, label=f'{label}') for label in legend_labels]# 实际大小图例需要自定义，此处省略细节plt.tight_layout()plt.show()fig.savefig('三维散点图_大小映射.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维散点图_大小映射.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 散点大小反映第四维信息（如置信度、样本量），颜色仍表示Z值。

• 视觉上中心区域点较大，表示测量更可靠。

• 实际应用中可添加大小图例说明，此处限于篇幅未完整实现。

进阶3：多视角子图排列

将同一数据以四个不同视角绘制在子图中，全面展示三维结构。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Ddefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesview_angles = [(30, -60), (0, -90), (90, -90), (30, 0)]titles = ['默认视角', '俯视 (X-Y)', '正视 (X-Z)', '侧视 (Y-Z)']fig = plt.figure(figsize=(8.0, 7.0))for i, (elev, azim) in enumerate(view_angles):    ax = fig.add_subplot(2, 2, i+1, projection='3d')    sc = ax.scatter(x, y, z, s=12, c=z, cmap='viridis', alpha=0.7, edgecolors='black', linewidths=0.2)    ax.view_init(elev=elev, azim=azim)    ax.set_xlabel('X')    ax.set_ylabel('Y')    ax.set_zlabel('Z')    ax.set_title(titles[i], fontsize=10)# 共享颜色条cbar_ax = fig.add_axes([0.92, 0.15, 0.02, 0.7])norm = plt.Normalize(z.min(), z.max())sm = plt.cm.ScalarMappable(cmap='viridis', norm=norm)sm.set_array([])fig.colorbar(sm, cax=cbar_ax, label='响应值 Z')plt.tight_layout(rect=[0, 0, 0.91, 1])plt.show()fig.savefig('三维散点图_多视角.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维散点图_多视角.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 四个子图从不同角度观察数据，俯视图揭示X-Y平面分布，正视图和侧视图展示Z与X、Y的关系。

• 共享颜色条保证色彩映射一致，便于跨子图比较。

• 适用于论文中需要多角度展示三维数据的情况。

进阶4：添加从散点到投影平面的垂线

在三维散点图中添加从每个点到XY、XZ、YZ平面的垂线，帮助读者准确定位空间坐标。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Ddefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')# 抽取少量点以避免过度拥挤df_sample = df.sample(n=30, random_state=42)x, y, z = df_sample['X'].values, df_sample['Y'].values, df_sample['Z'].valuesfig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')# 散点sc = ax.scatter(x, y, z, s=30, c=z, cmap='plasma', alpha=0.9, edgecolors='black', linewidths=0.5)# 绘制到XY平面的垂线（z_min为平面）z_min = ax.get_zlim()[0]for xi, yi, zi in zip(x, y, z):    ax.plot([xi, xi], [yi, yi], [z_min, zi], color='gray', linestyle=':', linewidth=0.5, alpha=0.5)# 在XY平面画小圆点    ax.scatter(xi, yi, z_min, s=10, c='gray', alpha=0.5, edgecolors='none')# 绘制到XZ平面的垂线（y_min）y_min = ax.get_ylim()[0]for xi, yi, zi in zip(x, y, z):    ax.plot([xi, xi], [y_min, yi], [zi, zi], color='gray', linestyle=':', linewidth=0.5, alpha=0.3)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('三维散点图（带投影垂线）', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维散点图_投影垂线.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维散点图_投影垂线.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 灰色虚线连接散点与XY平面上的投影点，清晰展示每个点的X、Y坐标。

• 仅对部分点绘制垂线，避免视觉混乱。

• 此方法常用于展示高维数据降维后的空间分布。

实操任务2：将散点数据插值为规则网格

本任务从基础的plot_surface曲面绘制入手，逐步进阶到插值方法对比、透明度调整、颜色映射自定义及网格线叠加。

基础版：线性插值绘制曲面

将散点数据插值到规则网格，绘制光滑曲面。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].values# 定义规则网格xi = np.linspace(x.min(), x.max(), 50)yi = np.linspace(y.min(), y.max(), 50)Xi, Yi = np.meshgrid(xi, yi)# 线性插值Zi = griddata((x, y), z, (Xi, Yi), method='linear')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='viridis', linewidth=0, antialiased=True)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('三维响应曲面（线性插值）', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维曲面_基础插值.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_基础插值.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• griddata将不规则散点插值到规则网格，plot_surface绘制连续曲面。

• 线性插值速度快，但在数据稀疏区域可能产生折痕。

• 颜色映射反映Z值，曲面光滑程度取决于网格分辨率。

进阶1：样条插值（cubic）提升光滑度

对比线性插值与三次样条插值的效果差异。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 60)yi = np.linspace(y.min(), y.max(), 60)Xi, Yi = np.meshgrid(xi, yi)# 线性插值Zi_linear = griddata((x, y), z, (Xi, Yi), method='linear')# 三次样条插值Zi_cubic = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(10.0, 4.5))# 线性插值ax1 = fig.add_subplot(121, projection='3d')surf1 = ax1.plot_surface(Xi, Yi, Zi_linear, cmap='viridis', linewidth=0, antialiased=True)ax1.set_title('线性插值', fontsize=10)ax1.set_xlabel('X'); ax1.set_ylabel('Y'); ax1.set_zlabel('Z')# 三次样条插值ax2 = fig.add_subplot(122, projection='3d')surf2 = ax2.plot_surface(Xi, Yi, Zi_cubic, cmap='viridis', linewidth=0, antialiased=True)ax2.set_title('三次样条插值', fontsize=10)ax2.set_xlabel('X'); ax2.set_ylabel('Y'); ax2.set_zlabel('Z')# 共享颜色条cbar_ax = fig.add_axes([0.92, 0.15, 0.015, 0.7])norm = plt.Normalize(z.min(), z.max())sm = plt.cm.ScalarMappable(cmap='viridis', norm=norm)sm.set_array([])fig.colorbar(sm, cax=cbar_ax, label='响应值 Z')plt.tight_layout(rect=[0, 0, 0.91, 1])plt.show()fig.savefig('三维曲面_插值方法对比.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_插值方法对比.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 三次样条插值曲面更光滑，峰谷过渡自然，尤其在数据点之间生成连续导数。

• 线性插值在局部可能出现棱角，但计算更快。

• 实际应用中，若数据噪声较大，可先平滑再插值，或使用径向基函数插值。

进阶2：设置曲面透明度与叠加散点

将原始散点叠加在透明曲面上，展示拟合质量。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 60)yi = np.linspace(y.min(), y.max(), 60)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')# 半透明曲面surf = ax.plot_surface(Xi, Yi, Zi, cmap='viridis', alpha=0.6, linewidth=0, antialiased=True)# 叠加散点ax.scatter(x, y, z, s=15, c='red', edgecolors='black', linewidths=0.3, label='实验数据')cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('曲面拟合（透明曲面 + 原始散点）', fontsize=10)ax.legend(loc='upper left', fontsize=8)plt.tight_layout()plt.show()fig.savefig('三维曲面_透明叠加散点.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_透明叠加散点.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 曲面透明度alpha=0.6使背后的散点和坐标轴线隐约可见，增强立体感。

• 红色散点标记原始测量位置，偏离曲面的点表示拟合残差。

• 适用于展示插值或拟合结果的可靠性。

进阶3：自定义离散色阶与光照效果

使用自定义颜色映射，并启用shade参数模拟光照。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddataimport matplotlib.colors as mcolorsdefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 60)yi = np.linspace(y.min(), y.max(), 60)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')# 自定义离散色阶（11个等级）boundaries = np.linspace(z.min(), z.max(), 12)norm = mcolors.BoundaryNorm(boundaries, ncolors=256)fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='terrain', norm=norm,                        linewidth=0, antialiased=True, shade=True, alpha=0.9)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1, ticks=boundaries[::2])cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('三维曲面（离散色阶 + 光照）', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维曲面_离散色阶光照.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_离散色阶光照.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• BoundaryNorm将连续值映射到离散颜色区间，使颜色条呈现阶梯状，便于分档识别。

• shade=True启用默认光照，曲面明暗随角度变化，立体感增强。

• 地形色盘terrain适合展示具有峰谷特征的地貌式数据。

进阶4：叠加曲面网格线

在光滑曲面上叠加黑色网格线，同时保留颜色填充，兼顾美观与结构清晰。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 1200set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 40)yi = np.linspace(y.min(), y.max(), 40)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')# 彩色曲面（无边缘线）surf = ax.plot_surface(Xi, Yi, Zi, cmap='coolwarm', linewidth=0, antialiased=True, alpha=0.9)# 叠加黑色网格线（线框图）ax.plot_wireframe(Xi, Yi, Zi, color='black', linewidth=0.3, alpha=0.5)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('三维曲面 + 网格线', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维曲面_叠加网格线.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_叠加网格线.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• plot_wireframe绘制黑色细线，勾勒出曲面的网格结构，便于观察曲面曲率变化。

• 填充颜色和网格线结合，既美观又保留了定量读取网格交点的能力。

• 适用于有限元后处理或需要展示网格划分的场景。

实操任务3：在三维曲面底部平面绘制等高线投影，添加颜色条

本任务将二维等高线投影到三维曲面底部平面，并逐步进阶到填充等高线、自定义投影高度、多平面投影及三维等高线绘制。

基础版：曲面底部投影等高线（zdir='z'）

使用contour的zdir和offset参数将等高线投影到底部平面。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesmask = np.isfinite(x) & np.isfinite(y) & np.isfinite(z)x, y, z = x[mask], y[mask], z[mask]xi = np.linspace(x.min(), x.max(), 50)yi = np.linspace(y.min(), y.max(), 50)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')# 曲面surf = ax.plot_surface(Xi, Yi, Zi, cmap='viridis', alpha=0.8, linewidth=0)# 底部等高线投影z_min = np.nanmin(Zi) - 2# 偏移到曲面下方z_max = np.nanmax(Zi)ax.contour(Xi, Yi, Zi, zdir='z', offset=z_min, cmap='viridis', linewidths=0.8)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_zlim(z_min, z_max)ax.set_title('三维曲面 + 底部等高线投影', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维曲面_等高线投影_基础.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_等高线投影_基础.png', bbox_inches='tight', pad_inches=0.05)

• zdir='z'指定投影方向为Z轴，offset定义投影平面高度。
• 底部等高线与曲面上对应高度的轮廓一致，增强空间对应关系。
• 颜色条同时适用于曲面和等高线。

进阶1：填充等高线投影（contourf）

使用contourf绘制填充等高线投影，使底部平面呈现二维热力图效果。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 50)yi = np.linspace(y.min(), y.max(), 50)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='viridis', alpha=0.8, linewidth=0)z_min = np.nanmin(Zi) - 2# 偏移到曲面下方z_max = np.nanmax(Zi)# 填充等高线ax.contourf(Xi, Yi, Zi, zdir='z', offset=z_min, cmap='viridis', alpha=0.7, levels=15)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_zlim(z_min, z_max)ax.set_title('三维曲面 + 底部填充等高线', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维曲面_填充等高线投影.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_填充等高线投影.png', bbox_inches='tight', pad_inches=0.05)

• 底部填充等高线提供了二维伪彩色图，与三维曲面颜色映射一致。
• 通过半透明效果，底部图不会完全遮挡坐标轴线。
• 适用于需要同时展示三维形态和二维热力图的场景。

进阶2：在多个平面投影等高线（XZ、YZ平面）

除了底部XY平面，还在侧面（XZ和YZ平面）投影等高线，全面展示数据在各个维度的变化。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 40)yi = np.linspace(y.min(), y.max(), 40)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(7.0, 6.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='plasma', alpha=0.7, linewidth=0)# 底部XY平面投影z_min = np.nanmin(Zi) - 2# 偏移到曲面下方z_max = np.nanmax(Zi)ax.contour(Xi, Yi, Zi, zdir='z', offset=z_min, cmap='plasma', linewidths=0.6)# 侧面XZ平面投影（y为最小值）y_min = np.nanmin(Yi) - 0.5y_max = np.nanmax(Yi)ax.contour(Xi, Yi, Zi, zdir='y', offset=y_min, cmap='plasma', linewidths=0.6)# 侧面YZ平面投影（x为最小值）x_min = np.nanmin(Xi) - 0.5x_max = np.nanmax(Xi)ax.contour(Xi, Yi, Zi, zdir='x', offset=x_min, cmap='plasma', linewidths=0.6)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_xlim(x_min, x_max)ax.set_ylim(y_min, y_max)ax.set_zlim(z_min, z_max)ax.set_title('三维曲面 + 三平面等高线投影', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维曲面_三平面投影.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_三平面投影.png', bbox_inches='tight', pad_inches=0.05)

• 三个正交平面上的投影等高线提供了X-Y、X-Z、Y-Z三个视角的二维信息。
• 适用于展示多变量函数沿各坐标轴的变化趋势。
• 需注意投影平面不要相互遮挡，适当调整偏移量。

进阶3：三维等高线

使用contour直接在三维曲面上绘制等高线（需将等高线投影到曲面表面，而非平面）。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 50)yi = np.linspace(y.min(), y.max(), 50)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='coolwarm', alpha=0.6, linewidth=0)# 在曲面上绘制等高线（提升z值微小偏移避免渲染冲突）levels = np.linspace(Zi.min(), Zi.max(), 8)ax.contour(Xi, Yi, Zi, levels=levels, colors='black', linewidths=0.8)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('三维曲面 + 曲面等高线', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维曲面_曲面等高线.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_曲面等高线.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 黑色等高线直接缠绕在曲面上，清晰标示出等值区域。
• 半透明曲面使等高线可见，同时保留颜色信息。
• 需注意等高线可能与曲面渲染产生Z-fighting，可通过微调渲染顺序改善。

进阶4：组合图：三维曲面 + 二维填充等高线子图

将三维视图与独立的二维等高线图组合在同一个Figure中，使用GridSpec布局。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatafrom matplotlib.gridspec import GridSpecdefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 50)yi = np.linspace(y.min(), y.max(), 50)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(8.0, 4.5))gs = GridSpec(1, 2, width_ratios=[1.5, 1], wspace=0.05)# 左侧：三维曲面ax1 = fig.add_subplot(gs[0], projection='3d')surf = ax1.plot_surface(Xi, Yi, Zi, cmap='viridis', linewidth=0, antialiased=True)z_min = np.nanmin(Zi)-2z_max = np.nanmax(Zi)ax1.contourf(Xi, Yi, Zi, zdir='z', offset=z_min, cmap='viridis', alpha=0.5, levels=15)ax1.set_xlabel('X')ax1.set_ylabel('Y')ax1.set_zlabel('Z')ax1.set_zlim(z_min, z_max)ax1.set_title('三维响应曲面', fontsize=10)# 右侧：二维填充等高线ax2 = fig.add_subplot(gs[1])cf = ax2.contourf(Xi, Yi, Zi, levels=20, cmap='viridis')ax2.contour(Xi, Yi, Zi, levels=8, colors='black', linewidths=0.4)ax2.set_xlabel('X')ax2.set_ylabel('Y')ax2.set_aspect('equal')ax2.set_title('二维等高线图', fontsize=10)# 共享颜色条cbar_ax = fig.add_axes([0.92, 0.15, 0.015, 0.7])fig.colorbar(cf, cax=cbar_ax, label='响应值 Z')plt.tight_layout(rect=[0, 0, 0.91, 1])plt.show()fig.savefig('三维曲面_组合二维等高线.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维曲面_组合二维等高线.png', bbox_inches='tight', pad_inches=0.05)

• 左三维右二维的布局兼顾了立体感和精确数值读取。
• 右侧等高线图可清晰展示响应面的峰谷位置，便于标注最优区域。
• 共享颜色条确保两图色彩映射完全一致。

实操任务4：调整三维坐标轴长宽比，匹配物理空间比例，优化坐标轴标签与刻度样式

本任务聚焦三维坐标轴的美化与物理比例校正，包括等比例缩放、刻度格式化、标签旋转、背景样式及多子图统一比例。

基础版：设置坐标轴等比例（set_box_aspect）

使用set_box_aspect使X、Y、Z三个轴的单位长度在屏幕上相等。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 40)yi = np.linspace(y.min(), y.max(), 40)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='viridis', linewidth=0, alpha=0.9)# 设置等比例（X:Y:Z = 1:1:1）ax.set_box_aspect([1, 1, 1])cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X (mm)')ax.set_ylabel('Y (mm)')ax.set_zlabel('Z (μm)')ax.set_title('三维曲面（等比例坐标轴）', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维坐标轴_等比例.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维坐标轴_等比例.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• set_box_aspect([1,1,1])强制三个轴在屏幕上的物理长度相等，避免因数据范围不同导致的扭曲。
• 若数据范围差异大，等比例可能导致某些轴显得空旷或压缩，此时可根据实际物理尺寸设置比例（如[1,1,2]）。
• 适用于需要真实反映空间几何形状的场景。

进阶1：根据数据范围自动设置合理比例

当X、Y、Z数据范围差异较大时，可设置比例使视觉效果平衡，同时标注物理单位。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].values# 模拟物理尺寸：X范围6，Y范围6，Z范围~15，希望视觉上Z轴压缩一点xi = np.linspace(x.min(), x.max(), 40)yi = np.linspace(y.min(), y.max(), 40)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='viridis', linewidth=0, alpha=0.9)# 计算各轴数据范围x_range = x.max() - x.min()y_range = y.max() - y.min()z_range = z.max() - z.min()# 设置比例：让Z轴视觉上略短（如Z轴范围为X的2倍，但视觉比例设为1:1:0.8）ax.set_box_aspect([1, 1, 0.8 * z_range / x_range])cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)ax.set_xlabel('X (mm)')ax.set_ylabel('Y (mm)')ax.set_zlabel('Z (μm)')ax.set_title('三维曲面（自定义视觉比例）', fontsize=10)plt.tight_layout()plt.show()fig.savefig('三维坐标轴_自定义比例.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维坐标轴_自定义比例.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 通过计算数据范围并设定box_aspect，可灵活控制各轴在屏幕上的长度比例。
• 本例中若Z范围是X的2.5倍，但设置比例因子0.8使Z轴视觉上不至于过长。
• 需在标题或图注中说明各轴物理单位，避免误解。

进阶2：自定义刻度格式与标签旋转

使用tick_params和set_xticklabels优化刻度显示，如添加单位、旋转长标签。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 40)yi = np.linspace(y.min(), y.max(), 40)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='coolwarm', linewidth=0, alpha=0.9)# 自定义刻度：保留2位小数，并添加单位符号ax.xaxis.set_major_formatter(plt.FuncFormatter(lambda val, pos: f'{val:.1f} m'))ax.yaxis.set_major_formatter(plt.FuncFormatter(lambda val, pos: f'{val:.1f} m'))ax.zaxis.set_major_formatter(plt.FuncFormatter(lambda val, pos: f'{val:.1f} Pa'))# 调整刻度标签字体大小和颜色ax.tick_params(axis='both', labelsize=8, colors='#333333')# 旋转X轴标签（3D中需谨慎，可能重叠）for label in ax.get_xticklabels():    label.set_rotation(20)ax.set_xlabel('X (m)', fontsize=9, labelpad=8)ax.set_ylabel('Y (m)', fontsize=9, labelpad=8)ax.set_zlabel('压力 (Pa)', fontsize=9, labelpad=8)ax.set_title('自定义刻度与标签样式', fontsize=10)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.12)cbar.ax.yaxis.set_major_formatter(plt.FuncFormatter(lambda val, pos: f'{val:.1f}'))cbar.set_label('压力 (Pa)', fontsize=9)plt.tight_layout()plt.show()fig.savefig('三维坐标轴_刻度格式化.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维坐标轴_刻度格式化.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 使用FuncFormatter自定义刻度标签格式，可添加单位、控制小数位数。
• 标签旋转有助于避免长文本重叠，但在3D图中需适度。
• 颜色条的刻度也可单独格式化，保持整体风格统一。

进阶3：移除背景网格与面板

去除三维坐标轴的背景面板和网格线，仅保留坐标轴线和标签，获得极简视觉效果。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 40)yi = np.linspace(y.min(), y.max(), 40)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')fig = plt.figure(figsize=(6.0, 5.0))ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(Xi, Yi, Zi, cmap='plasma', linewidth=0, alpha=0.9)# 移除背景面板（设为白色或透明）ax.xaxis.pane.fill = Falseax.yaxis.pane.fill = Falseax.zaxis.pane.fill = False# 移除网格线ax.grid(False)# 可保留坐标轴线ax.xaxis.line.set_color('black')ax.yaxis.line.set_color('black')ax.zaxis.line.set_color('black')ax.set_xlabel('X')ax.set_ylabel('Y')ax.set_zlabel('Z')ax.set_title('极简风格三维曲面', fontsize=10)cbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.1)cbar.set_label('响应值 Z', fontsize=9)plt.tight_layout()plt.show()fig.savefig('三维坐标轴_极简风格.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维坐标轴_极简风格.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• pane.fill = False使三个坐标平面透明，仅显示坐标轴线。
• grid(False)移除网格线，画面更加干净。
• 极简风格适合用于演示或强调曲面本身，减少视觉干扰。

进阶4：多子图共享视角与比例

在多个三维子图中，设置相同的视角、坐标轴比例和范围，确保可比较性。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom scipy.interpolate import griddatadefset_academic_style():    plt.rcParams['font.family'] = ['Times New Roman', 'SimSun']    plt.rcParams['font.size'] = 9    plt.rcParams['axes.unicode_minus'] = False    plt.rcParams['axes.linewidth'] = 1.0    plt.rcParams['xtick.major.width'] = 1.0    plt.rcParams['ytick.major.width'] = 1.0    plt.rcParams['xtick.major.size'] = 3.5    plt.rcParams['ytick.major.size'] = 3.5    plt.rcParams['xtick.direction'] = 'in'    plt.rcParams['ytick.direction'] = 'in'    plt.rcParams['legend.frameon'] = False    plt.rcParams['pdf.fonttype'] = 42    plt.rcParams['savefig.dpi'] = 300set_academic_style()df = pd.read_csv('三维散点数据.csv')x, y, z = df['X'].values, df['Y'].values, df['Z'].valuesxi = np.linspace(x.min(), x.max(), 35)yi = np.linspace(y.min(), y.max(), 35)Xi, Yi = np.meshgrid(xi, yi)Zi = griddata((x, y), z, (Xi, Yi), method='cubic')# 模拟不同平滑程度的曲面（改变插值方法或平滑参数）Zi2 = griddata((x, y), z, (Xi, Yi), method='linear')Zi3 = griddata((x, y), z, (Xi, Yi), method='nearest')data_list = [(Zi, 'cubic'), (Zi2, 'linear'), (Zi3, 'nearest')]fig = plt.figure(figsize=(12.0, 4.0))for i, (Z_data, method) in enumerate(data_list):    ax = fig.add_subplot(1, 3, i+1, projection='3d')    surf = ax.plot_surface(Xi, Yi, Z_data, cmap='viridis', linewidth=0, alpha=0.9)    ax.set_xlabel('X')    ax.set_ylabel('Y')    ax.set_zlabel('Z')    ax.set_title(f'插值方法: {method}', fontsize=10)# 统一视角    ax.view_init(elev=25, azim=-60)# 统一坐标轴范围    ax.set_xlim(x.min(), x.max())    ax.set_ylim(y.min(), y.max())    ax.set_zlim(z.min()-1, z.max()+1)# 统一比例    ax.set_box_aspect([1, 1, 0.8])# 共享颜色条cbar_ax = fig.add_axes([0.92, 0.15, 0.015, 0.7])norm = plt.Normalize(z.min(), z.max())sm = plt.cm.ScalarMappable(cmap='viridis', norm=norm)sm.set_array([])fig.colorbar(sm, cax=cbar_ax, label='响应值 Z')plt.tight_layout(rect=[0, 0, 0.91, 1])plt.show()fig.savefig('三维坐标轴_多子图统一.pdf', bbox_inches='tight', pad_inches=0.05)fig.savefig('三维坐标轴_多子图统一.png', bbox_inches='tight', pad_inches=0.05)

执行结果分析：

• 三个子图采用相同的视角、坐标轴范围和比例，使插值方法差异成为唯一变量，便于公平对比。
• 统一颜色条确保色彩含义一致。
• 适用于方法比较或参数敏感性分析的可视化。