1. 绘制三维曲面图及其投影图

2. 绘制曲面图

3. 绘制曲面投影图

4. 同时绘制曲面图和投影图，用两个图展示

5. 绘制曲面图

6. 同时绘制曲面图及其二维填色图

数据分析包括探索、清理和转换数据以从中提取有用信息。Python有许多库可以使数据分析变得更容易，例如Pandas、NumPy和SciPy。以下是使用Python进行数据分析的基本步骤：

加载数据：您可以使用Pandas从各种来源加载数据，例如CSV、Excel文件、SQL数据库或API。

探索数据：使用Pandas查看数据及其结构。您可以检查空值、数据类型和摘要统计信息。此步骤有助于更好地了解数据并识别任何问题。

清理数据：您可以使用Pandas处理缺失值、重复值、异常值和不正确的数据。在分析数据之前，数据清理是必不可少的步骤。

转换数据：Pandas提供了一些转换数据的工具，包括筛选、分组、合并和透视。此步骤有助于为分析数据做准备。

分析数据：您可以使用Python库，例如NumPy、SciPy和Pandas进行各种类型的分析，包括统计分析、机器学习和数据建模。

可视化是传达数据洞察力和模式的强大工具。Python有许多数据可视化库，包括Matplotlib、Seaborn和Plotly。以下是使用Python创建可视化的基本步骤：

加载数据：您可以像上面描述的那样加载数据。

选择可视化：选择适当的可视化方式，例如散点图、条形图、热图等。

创建可视化：使用所选库创建可视化，包括选择数据、定义图表类型和自定义图表外观。

自定义可视化：您可以自定义图表的各种特征，包括轴标签、标题、颜色和注释。

保存或显示可视化：一旦您创建和自定义了可视化，可以将其保存到文件或在Jupyter笔记本或其他Python环境中显示。

使用Python进行数据分析和可视化是一个广阔的领域，这仅仅是一个概述。

1. 绘制三维曲面图及其等高线投影图

<code>import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

import numpy as np

# 创建三维图形

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')code>

# 生成数据

x = np.arange(-5, 5, 0.25)

y = np.arange(-5, 5, 0.25)

x, y = np.meshgrid(x, y)

r = np.sqrt(x ** 2 + y ** 2)

z = np.sin(r)

# 绘制曲面图

ax.plot_surface(x, y, z, cmap='viridis')code>

# 绘制投影图

ax.contourf(x, y, z, zdir='z', offset=-15, cmap='viridis')code>

# 调整Z方向距离

ax.set_zlim(-15, 3)

# 显示图形

plt.show()

这是一个使用<code>matplotlib库创建3D图形的Python代码，包括曲面图和等高线投影图。

代码的第一部分导入必要的库并设置3D图形。第二部分生成数据，该数据是x和y的函数，并使用numpy库计算相应的z值。第三部分使用ax.plot_surface()函数绘制曲面图和ax.contourf()函数绘制等高线投影图。cmap参数指定用于绘图的颜色映射。

ax.set_zlim()函数用于调整Z轴限制，并使用plt.show()函数显示图形。

总体而言，该代码创建了一个3D图形，其中包括曲面图和等高线投影图，使用颜色映射来显示函数在z方向上的变化。

2.  绘制曲面图

<code>import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

import numpy as np

# 创建三维图形

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')code>

# 生成数据

x = np.arange(5)

y = np.arange(5)

x, y = np.meshgrid(x, y)

z = np.array([[0, 1, 2, 3, 4],

[5, 6, 7, 8, 9],

[10, 11, 12, 13, 14],

[15, 16, 17, 18, 19],

[20, 21, 22, 23, 24]])

# 绘制曲面图

ax.plot_surface(x, y, z)

# 设置坐标轴标签

ax.set_xlabel('X')

ax.set_ylabel('Y')

ax.set_zlabel('Z')

# 显示图形

plt.show()

3. 加载三列数据文件，绘制曲面投影图

<code>import numpy as np

import matplotlib.pyplot as plt

from scipy.interpolate import griddata

# 加载数据

data = np.loadtxt('fes.dat')

x = data[:, 0]

y = data[:, 1]

z = data[:, 2]*4.3597*6.022*100

# 定义网格

xi = np.linspace(min(x), max(x), 100)

yi = np.linspace(min(y), max(y), 100)

X, Y = np.meshgrid(xi, yi)

# 插值数据到网格上

Z = griddata((x, y), z, (X, Y), method='cubic')code>

# 绘制投影图

plt.imshow(Z, cmap='viridis', extent=[min(xi), max(xi), min(yi), max(yi)], origin='lower')code>

# 添加标签和标题

plt.xlabel('X')

plt.ylabel('Y')

plt.title('等高线投影图')

# 添加色标

plt.colorbar()

# 显示图形

plt.show()

 4. 加载三列数据文件，同时绘制曲面图和投影图，用两个图展示