如何使用pyplot mplot3d读取CSV文件并绘制3D散点图？

嘿，刚好我之前处理过类似的网格数据绘图需求，给你详细讲一下步骤，附带可直接运行的代码：

1. 先理清楚数据结构 #

你的CSV数据是4行3列的网格：

• 每行对应一个x值（x=1,2,3,4）
• 每列对应一个y值（y=1,2,3）
• 每个单元格的数值就是对应(x,y)点的z值

2. 读取CSV数据 #

推荐用numpy来读取，比原生csv模块更高效，尤其适合网格数据：

import numpy as np

# 读取CSV，注意你的数据是分号分隔，所以指定delimiter=';'
z_data = np.genfromtxt('your_file.csv', delimiter=';')
# 此时z_data是一个4x3的numpy数组，完美对应x=1-4、y=1-3的z值

如果你的CSV文件带表头，可以加skip_header=1参数跳过第一行。

3. 生成对应的x、y坐标数组 #

散点图要求x、y、z都是一维数组，我们需要把网格坐标展开：

# 定义x和y的原始取值
x_coords = np.array([1, 2, 3, 4])
y_coords = np.array([1, 2, 3])

# 生成网格坐标，indexing='ij'确保x对应行、y对应列（和你的数据结构完全匹配）
x, y = np.meshgrid(x_coords, y_coords, indexing='ij')

# 把二维网格展平成一维数组
x_flat = x.flatten()
y_flat = y.flatten()
z_flat = z_data.flatten()

用meshgrid的好处是，之后哪怕x、y的取值范围变了，你只需要修改x_coords和y_coords就行，不用手动重复数值。

4. 绘制3D散点图 #

接下来用mplot3d创建可视化：

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

# 创建画布和3D坐标轴
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')

# 绘制散点图，可自定义颜色、大小等参数
scatter = ax.scatter(x_flat, y_flat, z_flat, c=z_flat, cmap='viridis', s=100)

# 设置坐标轴标签和标题
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.set_title('3D Scatter Plot of Grid Data')

# 添加颜色条，对应z值的颜色映射
fig.colorbar(scatter, ax=ax, label='Z Value')

# 显示图形
plt.show()

额外小提示 #

• 如果你的CSV数据是逗号分隔（不是分号），把delimiter=';'改成delimiter=','就行
• 可以调整scatter函数的c（颜色）、s（点大小）、cmap（颜色映射）参数来美化图形
• 如果需要保存高清图片，在plt.show()之前加plt.savefig('3d_scatter.png', dpi=300)就行

内容的提问来源于stack exchange，提问作者Stepan