当前位置：首页>python>科学数据可视化:Python精准渲染3D填充面积图指南

科学数据可视化:Python精准渲染3D填充面积图指南

2026-08-18 23:10:45

ISEE小语

前言

3D 填充面积图（3D filled area / surface / trisurf / polygon fill）是把二维面积图的“填充”概念扩展到三维空间的一类可视化方式。常见于地形、热力、工程、物理仿真、金融波动面、医学数据等场景。本文面向微信公众号读者，系统介绍绘制 3D 填充面积图所需库与基础知识，并给出 6 个从入门到复杂的、每个都可独立执行的示例代码（含解释），同时在文末给出使用场景与实践建议。

基本知识与准备

必备库（推荐通过 pip 安装）：

- numpy：数组与数值计算（pip install numpy）
- matplotlib：基础绘图（pip install matplotlib）
- mpl_toolkits.mplot3d：matplotlib 自带的 3D 绘图工具包
- matplotlib.tri（mtri）：用于三角剖分

可选（用于交互式 / 更高级效果）：

- plotly：交互式 3D 图形（pip install plotly）
- scipy（可选）：高级三维数据处理与 Delaunay（pip install scipy）

基本概念：

- 栅格网格（meshgrid）：常用来生成 X, Y 网格，进而计算 Z，绘制规则网格表面。
- 三角剖分（Triangulation / Delaunay）：用于不规则点集绘制三角网面（plot_trisurf）。
-面（surface）与多边形（polygon）：surface（如 plot_surface、plot_trisurf）基于网格面片绘制填充；Polygon（Poly3DCollection）直接用顶点列表构造三维填充区域。
- 透明度（alpha）、色带（colormap）、光照（lighting）与法向量（normals）可提升可读性与美观。
- 性能提示：高分辨率网格会显著增加绘图时间，交互性绘图（Plotly）数据也会更重。

3D图示例部分

示例1：基础3D表面图

最常见的“3D 填充面积图”形式——规则网格上的表面，用颜色表示高度，常用于地形或函数可视化。

import numpy as npimport matplotlib.pyplot as plt# 生成数据X = np.linspace(-5, 5, 80)Y = np.linspace(-5, 5, 80)X, Y = np.meshgrid(X, Y)Z = np.sin(np.sqrt(X**2 + Y**2))# 绘图fig = plt.figure(figsize=(8, 6))ax = fig.add_subplot(111, projection="3d")surf = ax.plot_surface(X, Y, Z, cmap="viridis", edgecolor="none", alpha=0.9)ax.set_title("示例1：基础 3D 表面")ax.set_xlabel("X")ax.set_ylabel("Y")ax.set_zlabel("Z")fig.colorbar(surf, shrink=0.6, aspect=10)plt.show()

示例2：3D底面填充等高线

有时需要同时展示表面和其在底面（或某固定平面）上的填充等高线，便于观察高度分布。

import numpy as npimport matplotlib.pyplot as pltplt.rcParams["font.sans-serif"] = ["Microsoft YaHei", "SimHei", "SimSun", "Arial Unicode MS"]plt.rcParams["axes.unicode_minus"] = False  # 数据X = np.linspace(-4, 4, 100)Y = np.linspace(-4, 4, 100)X, Y = np.meshgrid(X, Y)Z = np.exp(-(X**2 + Y**2) / 4) * np.cos(3 * np.sqrt(X**2 + Y**2))# 绘图fig = plt.figure(figsize=(9, 6))ax = fig.add_subplot(111, projection="3d")# 表面（半透明）ax.plot_surface(X, Y, Z, cmap="coolwarm", edgecolor="none", alpha=0.7)# 在 z 轴底面做填充等高线（offset 设置底面高度）z_offset = Z.min() - 0.5ax.contourf(X, Y, Z, zdir="z", offset=z_offset, cmap="coolwarm", levels=12, alpha=0.9)ax.set_zlim(z_offset, Z.max())ax.set_title("表面 + 底面填充等高线")ax.set_xlabel("X")ax.set_ylabel("Y")ax.set_zlabel("Z")plt.show()

示例3：3D曲线下方填充面积

当数据为一条三维曲线（而非规则表面）时，可以用多边形将曲线与基线之间的区域进行填充，形成“3D 面积”的视觉效果。

import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d.art3d import Poly3DCollectionplt.rcParams["font.sans-serif"] = ["Microsoft YaHei", "SimHei", "SimSun", "Arial Unicode MS"]plt.rcParams["axes.unicode_minus"] = False # 参数曲线t = np.linspace(0, 2 * np.pi, 200)x = np.cos(t)y = np.sin(t)z = 0.8 * np.sin(3 * t)  # 曲线高度# 基线高度（例如 z= -1）z0 = -1.0# 构造多边形（曲线 + 与之对应的基线点（反向））upper = list(zip(x, y, z))lower = list(zip(x[::-1], y[::-1], np.full_like(x, z0)[::-1]))verts = [upper + lower]# 绘图fig = plt.figure(figsize=(8, 6))ax = fig.add_subplot(111, projection="3d")# 绘制曲线ax.plot(x, y, z, color="k", lw=1.5, label="curve")# 添加填充面poly = Poly3DCollection(verts, facecolors="orange", alpha=0.6, edgecolor="k")ax.add_collection3d(poly)ax.set_title("3D曲线下方填充面积")ax.set_xlim(-1.5, 1.5)ax.set_ylim(-1.5, 1.5)ax.set_zlim(z0 - 0.2, z.max() + 0.2)ax.set_xlabel("X")ax.set_ylabel("Y")ax.set_zlabel("Z")plt.show()

示例4：堆叠的3D填充面积

当要比较多组函数或多层数据随空间变化时，可将若干表面按一定偏移堆叠并设透明度，形成层叠的填充效果。

import numpy as npimport matplotlib.pyplot as pltplt.rcParams["font.sans-serif"] = ["Microsoft YaHei", "SimHei", "SimSun", "Arial Unicode MS"]plt.rcParams["axes.unicode_minus"] = False # 基础网格X = np.linspace(-3, 3, 80)Y = np.linspace(-3, 3, 80)X, Y = np.meshgrid(X, Y)# 多层表面（不同频率或参数）fig = plt.figure(figsize=(9, 7))ax = fig.add_subplot(111, projection="3d")layers = 5offset = 0.6  # 每层在 Z 方向上的偏移for i in range(layers):    freq = 1 + i * 0.6    Z = np.sin(np.sqrt((X * freq) ** 2 + (Y * freq) ** 2)) + i * offset    ax.plot_surface(X, Y, Z, cmap="viridis", alpha=0.5 - i * 0.07, edgecolor="none")ax.set_title("堆叠的 3D 填充表面（多层）")ax.set_xlabel("X")ax.set_ylabel("Y")ax.set_zlabel("Z")plt.show()

示例5：三角网填充

当你的采样点不规则（非网格化）时，可以使用三角剖分并画出三角网面（trisurf），常见于点云可视化与不规则地形建模。

import numpy as npimport matplotlib.pyplot as pltimport matplotlib.tri as mtriplt.rcParams["font.sans-serif"] = ["Microsoft YaHei", "SimHei", "SimSun", "Arial Unicode MS"]plt.rcParams["axes.unicode_minus"] = False# 随机不规则点n = 400rng = np.random.default_rng(42)x = rng.uniform(-3, 3, n)y = rng.uniform(-3, 3, n)# 示例函数，高度与 (x,y) 相关z = np.exp(-0.2 * (x**2 + y**2)) * np.cos(3 * (x + y))# 三角剖分tri = mtri.Triangulation(x, y)# 绘图fig = plt.figure(figsize=(9, 6))ax = fig.add_subplot(111, projection="3d")tplot = ax.plot_trisurf(    x, y, z, triangles=tri.triangles, cmap="plasma", linewidth=0.2, antialiased=True)fig.colorbar(tplot, shrink=0.6)ax.set_title("不规则点集三角网填充")ax.set_xlabel("X")ax.set_ylabel("Y")ax.set_zlabel("Z")plt.show()

示例6：交互式3D填充表面

静态图在许多场景已足够，但交互式图（旋转、缩放、悬浮提示）可以极大提升分析体验。Plotly 可直接输出可交互的 HTML 或在 Jupyter / 浏览器中展示。

import numpy as npimport plotly.graph_objects as go# 数据x = np.linspace(-6, 6, 80)y = np.linspace(-6, 6, 80)X, Y = np.meshgrid(x, y)Z = np.sinc(np.sqrt(X**2 + Y**2) / np.pi)  # 示例函数# Plotly 绘图fig = go.Figure(    data=[go.Surface(z=Z, x=X, y=Y, colorscale="Viridis", showscale=True)])fig.update_layout(    title="交互式3D填充表面",    autosize=True,    font=dict(family="Microsoft YaHei, SimHei, SimSun, sans-serif"),    scene=dict(xaxis_title="X", yaxis_title="Y", zaxis_title="Z"),)fig.show()

实用细节与技巧

实战建议

采样与分辨率：网格越密，表面越平滑，但绘制和交互成本也越高。先用粗网格调试，再提升分辨率用于最终展示。
透明度（alpha）：多层展示或堆叠时配合 alpha 有助于观察内部结构，但透明度会影响渲染时间。
颜色映射（cmap）与色标：确保 colormap 对比明显且考虑色盲友好（如 viridis）。
光照与法线：matplotlib 的光照支持有限；高级可视化（更真实的光照）可考虑使用 PyVista、Mayavi 或 Plotly 的一些着色选项。
不规则点：对于不规则采样优先考虑三角剖分（plot_trisurf）而不是强行插值成规则网格，以保留原始数据特征。
导出与交互：保存为矢量图（SVG）适合静态出版；交互式输出（Plotly HTML）适合网页或报告展示。
性能：大量三角形或高分辨率网格在 matplotlib 中可能变慢；必要时使用 downsampling、LOD（level of detail）或专用 GPU 渲染工具。