### 使用Python绘制一自变量两因变量的3D图表 对于希望展示一个自变量与两个不同因变量之间关系的需求，可以采用`matplotlib`库中的`mplot3d`工具集来创建三维图形[^1]。下面提供了一个具体的例子，该实例利用随机生成的数据构建了一张3D散点图，其中X轴代表单一输入变量，而Y轴和Z轴则分别对应于由这个输入变量派生出来的两种不同的输出。 #### 利用Matplotlib实现： ```python import numpy as np from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 假设x是我们的一维数组作为唯一的独立变量 x = np.linspace(-np.pi, np.pi, 100) # y和z是由x计算得出的两个依赖量 y = np.sin(x) # 第一个因变量 z = np.cos(x) # 第二个因变量 ax.scatter(x, y, z, c=x, cmap='viridis') ax.set_xlabel('Independent Variable X') ax.set_ylabel('Dependent Variable Y (sin)') ax.set_zlabel('Dependent Variable Z (cos)') plt.title('One Independent and Two Dependent Variables in 3D Space with Matplotlib') plt.show() ``` 如果倾向于更交互式的绘图体验，则可以选择Plotly库来进行同样的操作。Plotly不仅支持静态图像导出，还允许用户通过浏览器查看并旋转这些3D模型以获得更好的视角理解。 #### 利用Plotly实现： 为了使用Plotly完成相同的目标，首先需要安装此包（可通过pip install plotly命令），之后按照如下方式编写代码： ```python import numpy as np import plotly.express as px import pandas as pd df = pd.DataFrame({ 'x': np.linspace(-np.pi, np.pi, 100), 'y': np.sin(np.linspace(-np.pi, np.pi, 100)), 'z': np.cos(np.linspace(-np.pi, np.pi, 100)) }) fig = px.scatter_3d(df, x='x', y='y', z='z', color='x', title="One Independent and Two Dependent Variables in 3D Space with Plotly") fig.update_layout(scene=dict( xaxis_title='Independent Variable X', yaxis_title='Dependent Variable Y (sin)', zaxis_title='Dependent Variable Z (cos)'), ) fig.write_html("3d_scatter.html") # 将结果保存为HTML文件以便分享或嵌入网页中 fig.show() # 或者直接显示出来 ``` 上述方法展示了如何借助Python强大的数据处理能力和丰富的可视化选项轻松地表达复杂的关系结构。无论是选择更加传统的`matplotlib`还是现代且互动性强的`plotly`，都能满足不同类型的应用场景需求。