Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Создание 3D-диаграммы рассеяния в Matplotlib
  • Изменение цвета точек на 3D-диаграммах в Matplotlib
  • Изменение размера точек на 3D-диаграммах в Matplotlib
  • Изменение непрозрачности точек на 3D-диаграммах в Matplotlib
  • Добавление заголовков и меток осей к 3D-диаграммам рассеяния в Matplotlib
  • Заключение
  • Дополнительные ресурсы
  1. Учебники Matplotlib и Seaborn
  2. Matplotlib

Как создать 3D-диаграммы рассеяния в Matplotlib

PreviousКак построить функцию в Python с использованием MatplotlibNextКак изменить размер шрифта в графике Matplotlib

Last updated 1 year ago

В этом руководстве вы научитесь создавать трехмерные диаграммы рассеяния с использованием Matplotlib. Умение визуализировать данные в трех измерениях может быть важным шагом для четкого представления данных, особенно в науке и машинном обучении.

К концу этого урока вы научитесь:

  • Как построить трехмерные диаграммы рассеяния с помощью Matplotlib

  • Как изменить размер, непрозрачность и цвет точек данных в трех измерениях

  • Как добавить заголовки и метки осей к вашей трехмерной диаграмме рассеяния в Matplotlib

Оглавление

Создание 3D-диаграммы рассеяния в Matplotlib

Чтобы создавать трехмерные точечные диаграммы в Matplotlib, мы можем импортировать дополнительные вспомогательные модули из Matplotlib. Это позволяет нам легко проецировать данные на третье измерение. Давайте начнем с импорта наших библиотек и настройки некоторых переменных для построения графиков.

# Импорт библиотек и загрузка данных
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 25, 0.1)  # Создание массива значений x от 0 до 25 с шагом 0.1
y = np.cos(x)  # Создание массива значений y как косинуса от x
z = np.sin(x)  # Создание массива значений z как синуса от x
print(x, y, z)

Давайте посмотрим, как мы можем визуализировать наши данные. Сначала мы настроим наш график, fig, и оси, ax, для отображения нашей визуализации. Наши оси укажут, что мы хотим проецировать данные в трех измерениях, передав projection='3d'.

Оттуда мы можем легко создать 3D-диаграмму рассеяния, используя функцию

# Создание трехмерной точечной диаграммы рассеяния в Matplotlib
fig = plt.figure()  # Создание новой фигуры
ax = plt.axes(projection='3d')  # Добавление трехмерных осей

ax.scatter3D(x, y, z)  # Построение трехмерной точечной диаграммы рассеяния
plt.show()  # Отображение графика

Это возвращает следующее изображение:

# Импорт библиотек и загрузка данных
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 25, 0.1)  # Создание массива значений x от 0 до 25 с шагом 0.1
y = np.cos(x)  # Создание массива значений y как косинуса от x
z = np.sin(x)  # Создание массива значений z как синуса от x

# Создание трехмерной точечной диаграммы рассеяния в Matplotlib
fig = plt.figure()  # Создание новой фигуры
ax = plt.axes(projection='3d')  # Добавление трехмерных осей

ax.scatter3D(x, y, z)  # Построение трехмерной точечной диаграммы рассеяния
plt.show()  # Отображение графика

Давайте разберем, что мы сделали:

  1. Мы импортировали наши библиотеки и создали некоторые переменные, содержащие данные

  2. Мы затем создали наш рисунок и оси

  3. Мы построили трехмерную диаграмму рассеяния на наших осях, передав три массива данных.

  4. Наконец, мы показали график, используя plt.show().

Изменение цвета точек на 3D-диаграммах в Matplotlib

Добавление цвета к трехмерной визуализации может быть очень полезным. Трехмерное пространство бывает сложно воспринимать, и цвет помогает это упростить. Это позволяет нам лучше понять третье измерение.

Чтобы сделать это, мы можем использовать параметр c=. Это позволяет нам передать один цвет, если мы хотим использовать один и тот же цвет для всех точек, или массив чисел для окрашивания в зависимости от значения.

Давайте посмотрим, что произойдет, когда мы используем наш массив x в качестве цветов и применяем карту цветов

# Добавление цвета к нашей трехмерной точечной диаграмме рассеяния
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 25, 0.1)
y = np.cos(x)
z = np.sin(x)

fig = plt.figure()
ax = plt.axes(projection='3d')

# Использование значения x в качестве цвета точек, заданных с помощью параметра c
ax.scatter3D(x, y, z, c=x, cmap='Blues')
plt.show()

Изменение размера точек на 3D-диаграммах в Matplotlib

Подобно использованию цвета для передачи дополнительной информации, мы также можем использовать размер маркера, чтобы предоставить читателю больше информации. Для этого используется параметр s=. Это позволяет нам передать либо одно целое число для размера всех точек, либо массив чисел для изменения размеров отдельных точек.

Давайте используем переменную x для определения размера наших точек:

# Изменение размера маркера на трехмерной точечной диаграмме рассеяния
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 25, 0.1)
y = np.cos(x)
z = np.sin(x)

fig = plt.figure()
ax = plt.axes(projection='3d')

# Использование значения x в качестве размера маркеров, заданного с помощью параметра s
ax.scatter3D(x, y, z, s=x)
plt.show()

Изменение непрозрачности точек на 3D-диаграммах в Matplotlib

По умолчанию Matplotlib использует прозрачность точек, чтобы показать, насколько "далеко" точки находятся от пользователя. Это делается для того, чтобы помочь читателям визуализировать третье измерение на двумерных экранах. Однако это также может привести к неправильной интерпретации.

Matplotlib позволяет настраивать прозрачность каждой точки, используя параметр alpha=, куда можно передать число с плавающей точкой. 0 обозначает полную прозрачность, в то время как 1 — отсутствие прозрачности.

Давай посмотрим, как это работает:

# Изменение прозрачности маркеров на трехмерной точечной диаграмме рассеяния
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 25, 0.1)
y = np.cos(x)
z = np.sin(x)

fig = plt.figure()
ax = plt.axes(projection='3d')

# Использование параметра alpha для задания прозрачности маркеров
ax.scatter3D(x, y, z, alpha=0.7)
plt.show()

Добавление заголовков и меток осей к 3D-диаграммам рассеяния в Matplotlib

Поскольку для трехмерных диаграмм рассеяния используется Matplotlib, мы можем легко добавлять к нашим графикам подписи осей и заголовки. Для этого мы можем использовать следующие атрибуты:

  • plt.title() установить заголовок

  • plt.set_xlabel() установить метку оси X

  • plt.set_ylabel()чтобы установить метку оси Y

  • ax.set_zlabel() чтобы установить метку оси Z

Давайте добавим к нашей диаграмме некоторые заголовки и подписи:

# Добавление заголовка и подписей к осям нашей трехмерной точечной диаграмме рассеяния
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 25, 0.1)
y = np.cos(x)
z = np.sin(x)

fig = plt.figure()
ax = plt.axes(projection='3d')

# Добавление заголовка и подписей к осям
ax.scatter3D(x, y, z)
plt.title('Наша 3D-диаграмма рассеяния', size=18)
plt.xlabel('x-axis')
plt.ylabel('y-axis')
ax.set_zlabel('z-axis')
plt.show()

Заключение

В этом учебном пособии вы научились создавать 3D точечные диаграммы в Matplotlib. Вы научились использовать вспомогательные модули в Matplotlib для проецирования на третье измерение. Затем вы научились создавать 3D точечные диаграммы. После этого вы узнали, как изменять цвет, размер и прозрачность этих графиков. Наконец, вы научились добавлять заголовок и метки осей к вашему графику.

Дополнительные ресурсы

Чтобы узнать больше о схожих темах, ознакомьтесь с приведенными ниже руководствами:

  • Построение графиков на Python с помощью Matplotlib

  • Диаграммы рассеяния Matplotlib – узнайте все, что вам нужно знать

  • Линейные диаграммы Matplotlib – узнайте все, что вам нужно знать

При работе с последовательными данными, как в нашем примере, можно использовать карты цветов. Это позволяет создать градиент для демонстрации изменений в данных. Различные карты цветов, предлагаемые библиотекой Matplotlib, можно найти .

здесь
Создание 3D-диаграммы рассеяния в Matplotlib
Изменение цвета точек на 3D-диаграммах в Matplotlib
Изменение размера точек на 3D-диаграммах в Matplotlib
Изменение непрозрачности точек на 3D-диаграммах в Matplotlib
Добавление заголовков и меток осей к 3D-диаграммам рассеяния в Matplotlib
Заключение
Дополнительные ресурсы
Ваша первая трехмерная диаграмма рассеяния в Matplotlib
Добавление цвета к трехмерной диаграмме рассеяния в Matplotlib
Изменение размера маркера на трехмерной диаграмме рассеяния в Matplotlib
Изменение непрозрачности в трехмерной диаграмме рассеяния в Matplotlib
Добавление заголовков и меток к трехмерной диаграмме рассеяния в Matplotlib