昨天寫了一篇subplot的練習放到微信公眾賬號中，想用一個莫比烏斯環的圖片作為封面圖片，就去維基百科上扒了一個。但是分辨率很低，就想自己繪出一個來。沒想到越陷越深，就一起把3D繪圖給學習了一遍。

源代碼(請點擊前面文字)

函數已經給出，剩下的就是取值，繪圖。要繪3D圖，X，Y，Z都得是矩陣。平常的做法就是遍歷，給矩陣中的每一個元素賦值，如果取樣點為100，那么計算X的賦值次數就是100*100，每次賦值還要計算兩次cos()。

這就要請出今天的明星－numpy。

numpy是python中的高效數值運算模塊。其中包含了各種數學運算，以及array數據類型，這些都是用C寫的，如果只是進行少量數值的運算，numpy的性能是低于math的，但是大批量的數值運算，numpy的優勢就體現出來了。

首先介紹的是array數據類型，很像list，但是可以不用迭代，直接運算。

>>> from numpy import *>>> a = array([1,2,3,4])>>> a * 3array([ 3,??6,??9, 12])

這樣就可以直接把取樣點直接投到函數中得到X的值。

取樣也很方便，比如在這個例子中，我們可以這么取v和u：

v = linspace(-1.0, 1.0, num=500, endpoint=True) u = linspace(0, 2*pi, num=500, endpoint=True)

參數分別是(start，stop，number of sample， 是否包含終止數值)

但是array沒有append或者add方法，而且，我試了很久，也沒有辦法把數據一行一行的添加到一個array中，于是我找了list當作中間人。

把運算復雜度低的v迭代，每次計算出全部的u。

for value_v in v:answer.append((1. + value_v / 2. * cos(u/2.)) * cos(u))

要提前把v和u取成array類型，要提前定義answer是list。更高效的是直接在list中迭代，我們可以為X，Y，Z分別建立函數，返回數值array。

def func_x(v, u):? ? answer = [((1. + value_v / 2. * cos(u/2.)) * cos(u)) for value_v in v]? ? return array(answer)

其他坐標軸依此類推。

案例

我們已經準備好了所需要材料，就等著下鍋了。3Dplot我用的是mpl_toolkits.mplot中的Axes3D模塊，這是matplotlib中的一部分。繪圖也很簡單，我用的是其中的surface方法。

fig = plt.figure()ax = fig.add_subplot(111, projection='3d')surf = ax.plot_surface(X, Y, Z)

先新建一個figure(為了設置dpi)，然后以添加子圖的形式添加進去就行。這樣就已經成型了，提高下dpi

fig = plt.figure(dpi=150)復制代碼

增加點色彩變化

surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm)

需要從matplotlib中倒入cm，cm模塊很有趣，有著很多的色彩變化，可以參考官方文檔。我嘗試了多種，最后選擇是YlOrBr，是yellow or brand，效果圖最后會貼出來。

去掉那些黑色曲線

surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm, linewidth=0)復制代碼

然后還玩了一把透明度alpha，最后發現透明度低一點的好(alpha越小，透明度越高)

surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm, linewidth=0, alpha=0.9)復制代碼

現在的圖z軸太高，造成立體感不明顯，于是我們拉長z軸，讓圖扁平一點。

ax.set_zlim(-2., 2.)復制代碼

然后去掉坐標軸

plt.axis('off')復制代碼

如果用show()方法顯示圖表，然后保存，背景不是透明的，我們可以用figure.save()取保存

fig.savefig('mobiusband.png', transparent=True)復制代碼

發現圖不夠清晰，增加dpi

fig.savefig('mobiusband.png', transparent=True, dpi=600)復制代碼

然后就得到了最終的圖了

摘自：櫛風沐雨

總結

以上是生活随笔為你收集整理的python莫比乌斯环_【干货】用python绘出神奇的莫比乌斯环~的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。