用“plot 9”库绘制曲面三维图形

Question

问题：使用python库'plotnine'，我们能绘制一个交互式的三维曲面图吗？

备份解释

1. 我想要做的是，在python环境下，创建一个具有R绘图语法的交互式3D绘图，就像我们在R中使用ggplot2库一样。这是因为我很难记住matplotlib的语法和其他库(如seaborn )。
2. 交互式3D绘图是指你可以放大、放大、上下滚动等的3D图形。
3. 似乎只有Java支持的绘图库scuh才能像bokeh那样或巧妙地创建交互式3D图。但是我想用库“plot9”来创建它，因为库支持ggplot类语法，这很容易记住。
4. 例如，我是否可以用库“plot 9”绘制像下面这样的三维曲面图？ 从csv plotly.plotly z_data = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/ master/api_docs/Mt_ Bruno _海拔.csv‘)数据= go.Surface( z=z_data.as_matrix() )布局= go.Layout(标题=’Mt海拔‘，autosize=False，width=500，height=500，margin=dict( l=65，r=50，b=65，( t=90 )图= go.Figure(data=data，layout=layout) py.iplot(图，文件名=‘海拔-三维-表面’)

上面的代码如下所示。

​

​

您可以在此链接中查看完整的交互式三维曲面图。

附注：如果我可以绘制一个交互式的三维图形，它不一定是我们应该使用的“plot 9”库。

谢谢你抽出时间阅读这个问题！

Answer 1

这是可能的，如果你愿意扩大一点，并适用警告。最后的代码非常简单，如：

(
    ggplot_3d(mt_bruno_long)
    + aes(x='x', y='y', z='height')
    + geom_polygon_3d(size=0.01)
    + theme_minimal()
)

其结果是：

​

​

首先，您需要将数据转换为长格式：

z_data = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/api_docs/mt_bruno_elevation.csv', index_col=0)
z = z_data.values
nrows, ncols = z.shape
x, y = np.linspace(0, 1, nrows), np.linspace(0, 1, ncols)
x, y = np.meshgrid(x, y)
mt_bruno_long = pd.DataFrame({'x': x.flatten(), 'y': y.flatten(), 'height': z.flatten()})

然后，我们需要创建ggplot和geom_polygon的等价物，并了解第三维空间。

由于编写了这个答案，所以代码现在可以在plotnine3d包中使用，所以您可以只需：

from plotnine3d import ggplot_3d, geom_polygon_3d

但为了完整起见，这是(相对地)简单的：

from plotnine import ggplot, geom_polygon
from plotnine.utils import to_rgba, SIZE_FACTOR


class ggplot_3d(ggplot):
    def _create_figure(self):
        figure = plt.figure()
        axs = [plt.axes(projection='3d')]
        
        figure._themeable = {}
        self.figure = figure
        self.axs = axs
        return figure, axs
    
    def _draw_labels(self):
        ax = self.axs[0]
        ax.set_xlabel(self.layout.xlabel(self.labels))
        ax.set_ylabel(self.layout.ylabel(self.labels))
        ax.set_zlabel(self.labels['z'])


class geom_polygon_3d(geom_polygon):
    REQUIRED_AES = {'x', 'y', 'z'}

    @staticmethod
    def draw_group(data, panel_params, coord, ax, **params):
        data = coord.transform(data, panel_params, munch=True)
        data['size'] *= SIZE_FACTOR

        grouper = data.groupby('group', sort=False)
        for i, (group, df) in enumerate(grouper):
            fill = to_rgba(df['fill'], df['alpha'])
            polyc = ax.plot_trisurf(
                df['x'].values,
                df['y'].values,
                df['z'].values,
                facecolors=fill if any(fill) else 'none',
                edgecolors=df['color'] if any(df['color']) else 'none',
                linestyles=df['linetype'],
                linewidths=df['size'],
                zorder=params['zorder'],
                rasterized=params['raster'],
            )
            # workaround for https://github.com/matplotlib/matplotlib/issues/9535
            if len(set(fill)) == 1:
                polyc.set_facecolors(fill[0])

为了交互性，您可以使用您喜欢的任何matplotlib后端，我使用了ipympl (pip install ipympl，然后是jupyter笔记本单元中的%matplotlib widget )。

注意事项如下：

• 虽然阴影很好，但是plot_trisurf不能很好地处理facecolors (有一个PR来修复它，这里)
• 您可能希望添加允许禁用阴影的参数，请参阅matplotlib三维阴影示例
• 面形，翻转轴等将无法工作，除非进一步的摆弄-然而，这可以在未来解决，在这是一个关于把三维图景变成平面图的问题中讨论。

编辑:如果数据集不可用，下面是一个基于matplotlib文档的自包含示例：

import numpy as np

n_radii = 8
n_angles = 36

radii = np.linspace(0.125, 1.0, n_radii)
angles = np.linspace(0, 2*np.pi, n_angles, endpoint=False)[..., np.newaxis]

x = np.append(0, (radii*np.cos(angles)).flatten())
y = np.append(0, (radii*np.sin(angles)).flatten())

z = np.sin(-x*y)
df = pd.DataFrame(dict(x=x,y=y,z=z))

(
    ggplot_3d(df)
    + aes(x='x', y='y', z='z')
    + geom_polygon_3d(size=0.01)
    + theme_minimal()
)

​

​