Python Matplotlib绘制函数等高线与三维图像实战

落日邮差

发布时间：2026-10-16 | 4人浏览过

原创

本文详解如何利用Python的Matplotlib库绘制函数的等高线与三维图像。内容涵盖使用numpy.meshgrid生成网格点，通过plt.contour绘制等高线，以及利用mpl_toolkits.mplot3d展示三维曲面。提供完整代码示例与参数说明，帮助开发者掌握数据可视化核心技巧。

本文主要介绍利用Python和Matplotlib库实现函数等高线及三维图像的可视化方法。

本示例所绘制的函数定义如下：

1. 网格点生成

在绘制曲线之前，首先需要理解网格点的概念。例如，若要绘制一个3x3的网格，则需要确定9个坐标点：

(0,2)-----(1,2)-----(2,2)

(0,1)-----(1,1)-----(2,1)

(0,0)-----(1,0)-----(2,0)

将上述网格的x轴和y轴坐标分别提取表示：

# x轴:
[[0, 1, 2],
[0, 1, 2], 
[0, 1, 2]]
# y轴:
[[0, 0, 0],
[1, 1, 1], 
[2, 2, 2]]

在Python的numpy库中，可以使用np.meshgrid()函数来高效生成网格点数据：

import numpy as np
import matplotlib.pyplot as plt

# 10x10
x = np.linspace(-1.5, 1.5, num=10)
y = np.linspace(-1.5, 1.5, num=10)

# generate grid
X, Y = np.meshgrid(x, y)
plt.plot(X, Y, marker='.', linestyle='')
plt.grid(True)
plt.show()

2. 等高线绘制

绘制等高线需要坐标位置(x, y)以及对应的高度值z。高度z是将坐标点(x, y)代入函数f(x, y)计算得出的结果。在matplotlib库中，可以使用plt.contour()函数来绘制等高线：

import numpy as np
import matplotlib.pyplot as plt


x = np.linspace(-1.5, 1.5, num=100)
y = np.linspace(-1.5, 1.5, num=100)
X, Y = np.meshgrid(x, y)
f = X * np.exp(-X**2 - Y**2)

fig = plt.figure()
plt.xlim(-1.5, 1.5)
plt.ylim(-1.5, 1.5)

# draw
ax = plt.contour(X, Y, f, levels=10, cmap=plt.cm.cool)
# add label
plt.clabel(ax, inline=True)
# plt.savefig('img1.png')
plt.show()

# add color
plt.contourf(X, Y, f, levels=10, cmap=plt.cm.cool)
# plt.colorbar()
# plt.savefig('img1.png')
plt.show()

更多API参数详情，请参阅官方文档。

3. 三维图像绘制

绘制函数三维图像所需的数据与等高线相同，即坐标位置(x, y)及高度z。在Matplotlib中，可以通过mpl_toolkits.mplot3d模块来绘制三维图像：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D


x = np.linspace(-1.5, 1.5, num=100)
y = np.linspace(-1.5, 1.5, num=100)
X, Y = np.meshgrid(x, y)
f = X * np.exp(-X**2 - Y**2)

fig = plt.figure()
ax = Axes3D(fig)
plt.xlim(-1.5, 1.5)
plt.ylim(-1.5, 1.5)

ax.plot_surface(X, Y, f, cmap=plt.cm.cool)
# plt.savefig('img1.png')
plt.show()