import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
#自己编写的读取txt内容的函数 
def read_txt(path):
    infile = open(path,'rb')
    data = infile.read().decode('utf-8')
    print("Success for reading :\t%s" %path)#成功的话给出提示
    return data
def main():
    path="C:/Users/yiqing/Desktop/变形监测点数据.txt"
    data2=read_txt(path)
    idata = data2.split("\r\n")
    print(idata)#首先先进行spilt分割
    sum_points=int(idata[0])
    list_x=[]
    list_y=[]
    list_z=[]
    for i in range(sum_points):
        temp=idata[i+1].split(",")
        list_x.append(float(temp[0]))
        list_y.append(float(temp[1]))
        list_z.append(float(temp[2]))
    ax = plt.figure().add_subplot(111, projection = '3d')    
    ax.set_xlabel('X Label')
    ax.set_zlabel('Y Label')
    ax.set_zlabel('Z Label')
    ax.scatter(list_x, list_y, list_z, c = 'b', marker = '^') #点为红色三角形
main()
读取的原文件：
 
装在目录： C:/Users/yiqing/Desktop/变形监测点数据.txt
 
32.5801,-52.7876,0.1369
32.5786,-52.7892,0.1380
32.5784,-52.7845,0.1411
32.5812,-52.7852,0.1393
32.5782,-52.7863,0.1394
32.5791,-52.7852,0.1354
32.5788,-52.7841,0.1414
32.5788,-52.7817,0.1375
32.5745,-52.7833,0.1359
32.5815,-52.7854,0.1327
32.5822,-52.7841,0.1358
32.5839,-52.7826,0.1361
32.5820,-52.7852,0.1339
32.5800,-52.7863,0.1325
32.5792,-52.7845,0.1416
32.5807,-52.7834,0.1395
32.5778,-52.7846,0.1412
32.5792,-52.7843,0.1371
32.5794,-52.7833,0.1406
32.5806,-52.7841,0.1411
32.5800,-52.7863,0.1380
32.5785,-52.7840,0.1368
32.5811,-52.7848,0.1412
32.5828,-52.7863,0.1356
输出的三维散点图：
 
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d.axes3d import Axes3D 
x = []
y = []
z = []
f = open("data\\record.txt")
line = f.readline()
while line:
  c,d,e 
                                    记忆力差的孩子得勤做笔记！刚接触python，最近又需要画一个三维图，然后就找了一大堆资料，看的人头昏脑胀的，今天终于解决了！好了，废话不多说，直接上代码！#由三个一维坐标画三维散点#coding:utf-8import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d.axes3d import Axes3Dx...
import matplotlib.pyplot as plt
import matplotlib.cbook as cbook
import matplotlib.cm as cm
import numpy as np
# Data are 256x256 16 bit integers
with cbook.get_sample_data('s1045.ima.gz') as dfile:
 im = np.fromstring(dfile.read(), np.uint
                                    大家好，我是Mr数据杨，就像在《三国演义》这部史诗中，为了更好地制定战略和战术，诸葛亮，郭嘉，周瑜等蜀，魏，吴三国的谋士们，都需要对整个战场的三维地理环境有着深刻的理解。比如，在赤壁之战中，周瑜就巧妙地利用了赤壁地区的风向和江流来布下火攻战术。同样地Python 3D地图学习之旅中，'基本设置’就好比是三国谋士们对战场的基本布局和地形的了解，包括地势高低、江河走向等信息；'数据选项设置’和’地图类型选项设置’这两部分则像是他们根据自己军队的实际情况和战术需求，对战场的深度解读和运用；
from pyecharts import options as opts
from pyecharts.charts import Map3D
from pyecharts.globals import ChartType
# 经纬度
example_data = [
    [[119.107078, 36.70925, 1000], [116.587245, 35.415393, 1000
                                    import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np# 读取txt文件
data = np.genfromtxt("data.txt", delimiter=" ")
x = data[:, 0]
y = data[:, 1]
z = data[:, 2]# 创建三维曲面...
                                    和二维的区别主要在于要从mpl_toolkits.mplot3d中载入Axes3D，并用Axes3D来绘制图形
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
data=np.random.randint(0,27,(9,3))
x=data[:,0]
y=data[:,1]
z=data[:,2]
fig=plt.figure()
ax=Axes3D(fig)
                                    一、坐标轴的定制
1、概述：
坐标轴及其组成部分对应着matplotlib中一些类的对象︰坐标轴是axis.Axis类的对象，x轴是axis.Xaxis类的对象，y轴是axis.Yaxis类的对象;轴脊是spines.Spine类的对象;刻度是axis.Ticker类的对象。
使用Axes类的对象访问spines属性后，会返回一个OrderedDict类的对象。OrderedDict类是dict的子类，它可以维护添加到字典中键值对的顺序。
2、任意位置添加坐标轴：
matplotlib支持向画布的任意位置添
                                    描述：读取data.txt文件，里面每一行都是由空格分隔的x，y，z坐标。本文目标是读取之后将它绘制出来。要点：
读取文件要用生成器，这样大文件就不用都一次性放进内存。
python代码：#-*-coding:utf-8-*-import numpy as np
import re
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d i
                                    使用 Iris 数据集，在一个 figure 中绘制出右侧的 16 个子图。分别使用花瓣长度、花瓣宽度、花萼长度和花萼宽度这四种数据，两两组合，形成散点。找一组自己感兴趣的真实数据，绘制出饼图。并看看数据的项数在什么范围比较合适在饼图中展示；调整数据的顺序或角度，使得第一个扇区在 12 点方向开始；调整字体的大小、标签的位置等参数。在中国地图上展示每个省的高考人数或大学数量。展示自己家乡所在城市的温度变化热力图，要求至少有 10 天的数据。生成一个直方图，有 25 根直方柱。...
                                    {"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,"count":4}]},"card":[{"des":"阿里云文件存储NAS是一个可共享访问，弹性扩展，高可靠，高性能的分布式文件系统。广泛应用于容器存储、大数据分析、Web 服务和内容管理、应用程序开发和测试、媒体...
                                    在上面的示例中，我们使用ax创建了三维绘图。然后，我们使用randInt（）函数创建了随机数的x、y和z坐标的数据集。大约在1.0版本发布时，通过在Matplotlib的二维显示器上分层一些三维图表工具，创建了一个实用的（尽管相当有限）三维数据可视化工具集。当我们有一个巨大的三维变量数据集，我们绘制它的图形时，它看起来非常分散，这被称为3D散点图。最简单的三维图是由（x，y，z）三元组的线或簇组成的散点图。Matplotlib是Python中的一个库，用于创建静态和动态动画，并使用其内置函数绘制。
file = open('train_cc_kl_11_20.txt')  #打开文档
data = file.readlines() #读取文档数据
itr = []  #新建列表，用于保存第一列数据
train_loss  = []  #新建列表，用于保存第二列数据
train_loss0 = []
train_cc = []
train_kl = []
train_ssim = []