Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

4.14

 

Matplotlib

を使った

3

次元プロット

299

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

ax.plot_surface(X, Y, Z, rstride=1, cstride=1,

cmap='viridis', edgecolor='none');

図4-98　極座標のサーフェス

4.14.4

 三角形分割のサーフェス

一部のアプリケーションでは、先の例で必要とされたような均等な間隔のグリッドデータを提供

することが難しい場合があります。このような状況では、三角測量のようにプロットできると非常

に便利です。直交座標または極座標の均等なグリッドデータを描画するのではなく、ランダムに抽

出されたデータをプロットする方法はないでしょうか。

In[11]: theta = 2 * np.pi * np.random.random(1000)

r = 6 * np.random.random(1000)

x = np.ravel(r * np.sin(theta))

y = np.ravel(r * np.cos(theta))

z = f(x, y)

散布図を使って、サンプリングしたデータからサーフェスを作る方法が考えられます（図 4-99）。

In[12]: ax = plt.axes(projection='3d')

ax.scatter(x, y, z, c=z, cmap='viridis', linewidth=0.5);

図4-99　サンプリングした3 次元データの散布図 ...