17370845950

本文介绍如何通过循环重构替代重复的 `add_subplot` 和 `scatter3d` 调用，统一设置坐标轴、视图角度与显示范围，显著提升四子图 3d 可视化代码的简洁性与可维护性。

在使用 Matplotlib 绘制多视角 3D 散点图时，若为每个子图单独编写几乎一致的绘图逻辑（仅 view_init() 参数不同），不仅冗余度高，也极易因漏改某处导致视觉不一致。理想方案是将共性操作提取为循环体，差异化参数（如俯仰角 elev 和方位角 azim）以元组列表形式集中管理。

以下为优化后的专业写法：

import matplotlib.pyplot as plt

def plot_example(data_df):
    fig = plt.figure(figsize=(15, 15))

    # 预定义四组视角参数：(elev, azim)
    view_angles = [(0, 90), (45, 0), (35, 45), (20, 40)]

    for i, (elev, azim) in enumerate(view_angles, start=1):
        ax = fig.add_subplot(2, 2, i, projection='3d')
        ax.scatter3D(data_df.x, data_df.y, data_df.z, 
                     c=data_df.z, cmap='Blues', s=20)  # 可选：添加 s 控制点大小

        ax.view_init(elev=elev, azim=azim)
        ax.set_xlabel('x', color='red')
        ax.set_ylabel('y', color='red')
        ax.set_zlabel('z', color='red')

        # 统一设置坐标轴范围（所有子图一致）
        ax.set_xlim(0, 14)
        ax.set_ylim(-6, 6)
        ax.set_zlim(0, 8.5)

    plt.tight_layout()  # 自动调整子图间距，避免标签重叠
    plt.show()

✅ 关键改进点说明：

• 使用 enumerate(view_angles, start=1) 直接解包预设视角元组，语义清晰、不易出错；
• 所有 set_xlim/set_ylim/set_zlim 移入循环内，确保各子图范围严格一致；
• plt.tight_layout() 替代手动留白，适配不同字体与标签长度；
• 显式命名参数 elev= 和 azim= 提升 view_init() 可读性；
• 注意：plt.axis() 不适用于 3D 坐标系（仅支持 2D 的 [xmin,xmax,ymin,ymax]），必须使用 ax.set_*lim() 分别设置三轴范围。

⚠️ 注意事项：

• 确保传入的 data_df 包含 'x', 'y', 'z' 列且无缺失值，否则 scatter3D 会报错；
• 若需进一步定制（如颜色条、标题、透明度），可在循环内统一添加 ax.colorbar() 或 ax.set_title()；
• 视角组合建议通过实验选取——过大 elev 可能遮挡结构，过小 azim 可能造成投影重叠。

通过该模式，新增第五个视角仅需在 view_angles 列表中追加一个元组，彻底告别复制粘贴式开发，让代码真正“一次定义，多处复用”。