如何根据数组中的数据在 matplotlib 中创建 3D 线图？

我已经使用 SciPy 和脚本对洛伦兹方程进行了数值求解：

# Lorenz Equations SciPy solver
import numpy as np
from scipy import integrate
from math import cos
from matplotlib import pyplot as plt
a, b = 0, 100
sigma, rho, beta = 10, 28, 8/3
N = 1000000
h = (b-a) / float(N)

def solvr(Y, t):
    return [sigma*(Y[1]-Y[0]), Y[0]*(rho-Y[2])-Y[1], Y[0]*Y[1]-beta*Y[2]]

t    = np.arange(a, b, h)
asol = integrate.odeint(solvr, [0, 1, 1], t)
x    = asol[:,0]
y    = asol[:,1]
z    = asol[:,2]

现在我想做的是针对每个函数绘制 x 、 y 和 z （它们都是 Numpy ndarrays，如果您不确定的话） 3D 线（或线框）图中的其他。我认为这必须使用 matplotlib 来完成，但我并不挑剔，只要你给我一个能够以 3D 方式绘制数据的解决方案，我不在乎我需要导入什么模块。

可以使用 matplotlib.pyplot 的 plot 函数在 3D 中绘制数据。以下是对的代码进行绘制的修改：

# Lorenz Equations SciPy solver
import numpy as np
from scipy import integrate
from math import cos
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D  # 导入用于 3D 绘图

a, b = 0, 100
sigma, rho, beta = 10, 28, 8/3
N = 1000000
h = (b-a) / float(N)

def solvr(Y, t):
    return [sigma*(Y[1]-Y[0]), Y[0]*(rho-Y[2])-Y[1], Y[0]*Y[1]-beta*Y[2]]

t    = np.arange(a, b, h)
asol = integrate.odeint(solvr, [0, 1, 1], t)
x    = asol[:,0]
y    = asol[:,1]
z    = asol[:,2]

# 创建一个 3D 图形
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制线条
ax.plot(x, y, z)

# 添加标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# 显示绘图
plt.show()

此代码将创建一个 3D 图形，并使用 plot 函数绘制作为洛伦兹方程解的 x 、 y 和 z 值。此函数将数据作为参数，并将 x 值与 y 和 z 值进行比较以创建线条。

我们还添加了轴标签，以便于理解绘图。

这是一个创建 3D 线图的简单方法，但可以使用其他选项（例如不同的颜色、线条样式和标记）来自定义绘图。可以在 matplotlib 文档中找到有关这些选项的更多信息。