在进行数据可视化时，对于一元函数 f(x)=y 数据我们可以使用二维平面图显示，x轴表示自变量，y轴表示函数值；对于二元函数 f(x,y)=z 数据我们也可以使用三维图可视化，x和y轴表示自变量，z轴表示函数值。由于显示设备的局限性，对于三元函数 f(x,y,z)=v 数据无法通过增加坐标轴的方式可视化，一个可行的方法是使用x、y和z轴表示自变量，使用数据点的颜色表示函数值。如下图所示：

本文实现了如上图所示的三维散点图，颜色表示数值大小，并增加了可以自定义范围的侧边colorbar。
文章第二部分为实现代码及部分注释，第三部分为对部分代码的详细解释，第四部分为参考的文章链接。

import matplotlib.colors 
import matplotlib.ticker
import matplotlib.pyplot as plt
import random
# 1.0 初始化数据
# f(x,y,z) = v
# 其中x,y,z为随机数，v=x*y*z
x = [random.randint(0,100) for i in range(0,100)]
y = [random.randint(0,100) for i in range(0,100)]
z = [random.randint(0,100) for i in range(0,100)]
v = [x[i]*y[i]*z[i] for i in range(0,100)]
# 1.1 根据各个点的值(v[])，设置点的颜色值，每个点的颜色使用一个rgb三维的元组表示，例如，若想让点显示为红色，则颜色值为(1.0,0,0)
# 设置各个点的颜色
# 每个点的颜色值按照colormap("seismic",100)进行设计，其中colormap类型为"seismic"，共分为100个级别(level)
min_v = min(v)
max_v = max(v)
color = [plt.get_cmap("seismic", 100)(int(float(i-min_v)/(max_v-min_v)*100)) for i in v]
# 2.0 显示三维散点图
# 新建一个figure()
fig = plt.figure()
# 在figure()中增加一个subplot，并且返回axes
ax = fig.add_subplot(111,projection='3d')
# 设置colormap，与上面提到的类似，使用"seismic"类型的colormap，共100个级别
plt.set_cmap(plt.get_cmap("seismic", 100))
# 绘制三维散点，各个点颜色使用color列表中的值，形状为"."
im = ax.scatter(x, y, z, s=100,c=color,marker='.')
# 2.1 增加侧边colorbar
# 设置侧边colorbar，colorbar上显示的值使用lambda方程设置
fig.colorbar(im, format=matplotlib.ticker.FuncFormatter(lambda x,pos:int(x*(max_v-min_v)+min_v)))
# 2.2 增加坐标轴标签
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
# 2.3显示
plt.show()
运行结果如下：
 
 
三、部分代码解释
 
1. colormap（颜色）映射设置。
 
如上图所示，为了通过颜色表示各个点的值需要设定一个合理的值-点颜色映射关系。本文代码中使用"seismic"colormap，同时设置colormap分为100个level。对应代码为：
 
color = [plt.get_cmap("seismic", 100)(int(float(i-min_v)/(max_v-min_v)*100)) for i in v]
在代码中plt.get_cmap("seismic",100)会得到一个colormap对象，然后使用plt.get_cmap("seismic",100)(x)可以得到对应x级别的颜色代码值。例如：
 
a = plt.get_cmap("seismic",100)(0)
b = plt.get_cmap("seismic",100)(100)
print("a:", a)
print("b:", b)
输出结果为：
 
a: (0.0, 0.0, 0.3, 1.0)
b: (0.5, 0.0, 0.0, 1.0)
表示级别0对应的(r,g,b,alpha)颜色值为(0.0, 0.0, 0.3, 1.0)，级别100对应的颜色值为(0.5, 0.0, 0.0, 1.0)。
 如果需要使用其他类型的colormap，可以通过设置colormap名得到不同的效果，详细参考博客python matplotlib自定义colorbar颜色条-以及matplotlib中的内置色条。
 
2. 设置三维散点格式
 
通过设置plot格式：
 
ax = fig.add_subplot(111,projection='3d')
再使用scatter()函数绘制三维散点图：
 
im = ax.scatter(x, y, z, s=100,c=color,marker='.')
其中s=100为设置点的大小、c=color为设置点的颜色，marker='.'为设置点的形状（此处为实心圆点）。
 
3. 设置侧边colorbar
 
根据数据的格式，我们需要设置侧边colorbar显示的数值范围，例如，本例中最小值为825，最大值为784179。代码中使用lambda表达式计算显示的值，默认显示的值为[0,1]，因此需要使用lambda公式将显示的值调整到[825,784179]。代码如下：
 
fig.colorbar(im, format=matplotlib.ticker.FuncFormatter(lambda x,pos:int(x*(max_v-min_v)+min_v)))
另外为了使点的颜色与colorbar颜色对应，需要使用
 
plt.set_cmap(plt.get_cmap("seismic", 100))
使的clormap和colorbar具有同样的类型。
 
[1]. MATLAB scatter 画二维/三维散点图时 用颜色表示数值大小 colorbar
 [2]. 三维散点图加colorbar
 [3]. 【python图像处理】彩色映射
 [4]. matplotlib的colorbar自定义刻度范围
 [5]. Python中lambda的使用
                                    【plt】通过坐标映射的方式来实现对三维绘图的支持，这一点在讲解坐标投影时已经提到过了，故而可以在三维空间中绘制曲线。事实上，如果不考虑表现力的话，几乎所有可以在二维空间中绘制的图像，都可以映射到三维空间中，而其中表现力最强的则属散点图。
                                    1、资源内容：基于Matlab绘制三维散点图（源码+数据）.rar
2、适用人群：计算机，电子信息工程、数学等专业的学习者，作为“参考资料”参考学习使用。
3、解压说明：本资源需要电脑端使用WinRAR、7zip等解压工具进行解压，没有解压工具的自行百度下载即可。
4、免责声明：本资源作为“参考资料”而不是“定制需求”，代码只能作为参考，不能完全复制照搬。不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试代码并解决报错，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。
                                    前几天用matlab画图时组长要求要用不同的颜色和大小区分数据的大小——
看了matlab的官方文档很久也没有找到自己想要的答案，反复试验目录一、二维散点图方法一：直接点击绘图工具栏绘图，但不能更改图例颜色方法二：手动输入代码绘图，可控制颜色二、三维散点图
一、二维散点图
方法一：直接点击绘图工具栏绘图，但不能更改图例颜色
1、按顺序选中三个变量，分别是你的X轴、Y轴和value
2、点击上方...
                                    本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
fig = plt.figure(figsize = (10,6))
ax1 = fig.add_subplot(2,1,1)
color = dict(boxes='DarkGreen', whiskers='Dar...
                                    绘图——颜色#八种内件颜色缩写#b:blue   g:green    r:red   c:cyan   m:magenta   y:yellow  k:black  w:whiteimport numpy as npimport  pandas as pdimport matplotlib.pyplot as plty=np.arange(1,5)plt.plot(y,color='g')plt...
                                    import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dimport numpy as np#bbb=[1 if (i =1.5)  else 0 for i in Ddef fun(x, y):value= x**2+y**2return valuefig1 = plt.figure()ax = Axes3D(f...
                                    from Tkinter import *import tkFontimport timeimport ctypesimport serialimport _winregimport win32guiimport win32conimport win32apiimport wmidef get_reg(name, reg_path):registry_key = _winreg.OpenKey(_...
                                    本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
plt.plot()的使用，简单例子
X = np.linspace(1, 20, 10) #[1 3 5 7 9 11 13 15 17 19] [2 4 6 8 10 12 14 16 18 20]
Y = np.sin(X)
plt.plot(X, Y, color = "blue", linewidth=2, linestyle="-", label="LINE")
plt.legend(loc="upper right")
plt.show()
X: x轴的长度，1-20取1
                                    colors = ['#F0F8FF','#FAEBD7','#00FFFF','#7FFFD4','#F0FFFF','#F5F5DC','#FFE4C4',
            '#000000','#FFEBCD','#0000FF','#8A2BE2','#A52A2A','#DEB887','#5F9EA0',
            '#7FFF00','#D2691E','#FF7F50','#6495ED','#FFF8DC','#DC143C','#00FFFF',
在机器学习中，经常需要查看原始数据的分布情况，从而对特征和算法的选择提供一个初始的intuition，通常来说，散点图是最为合适的。
散点图可以形象展示直角坐标系中两个变量之间的关系。在散点图中 ，每个数据点的位置实际上就是两个变量的值。变量间的任何关系都可以拿散点图来表示。
matplotlib绘图功能模仿MATLAB，功能非常方便和强大。
下面，本文将详细介绍如何使用matplotl...