### 使用 Matplotlib 在同一三维图中绘制两组三维坐标的散点图 为了在同一幅三维图像中展示两组不同的三维坐标数据，并分别赋予它们各自的颜色，可以利用 `Axes3D.scatter()` 方法完成这一需求。以下是具体实现步骤： #### 导入库文件 首先需要引入所需的 Python 库以及配置好环境。 ```python import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 加载用于生成3D图形的支持包[^1] ``` #### 构建模拟数据集 下面定义了两组随机产生的三维坐标作为演示用途的数据源。你可以替换成自己实际应用中的真实数值。 ```python np.random.seed(0) # 设定种子便于重现结果 group_a_x = np.random.rand(50) * 10 group_a_y = np.random.rand(50) * 10 group_a_z = np.random.rand(50) * 10 group_b_x = np.random.rand(50) * 10 + 5 group_b_y = np.random.rand(50) * 10 + 5 group_b_z = np.random.rand(50) * 10 + 5 ``` #### 初始化三维绘图区域 创建一个新的 Figure 对象并添加一个具有 `'3d'` 投影属性的子图实例。 ```python figure = plt.figure(figsize=(8, 6)) axis_3d = figure.add_subplot(111, projection='3d') # 新增一个具备3维功能的子图[^1] ``` #### 绘制第一组散点 调用 `scatter()` 函数传入对应维度数组的同时指定了颜色参数 `"red"` 来标记该组数据点。 ```python axis_3d.scatter( group_a_x, group_a_y, group_a_z, c="red", # 设置当前批次点的颜色为红色 marker='o', # 圆形标记符 s=50 # 控制大小形状比例因子 ) ``` #### 绘制第二组散点 同样再次呼叫 `scatter()` ，不过这次改变其色彩选项至 `"blue"` 并调整其它视觉特性如符号样式等加以区别对待。 ```python axis_3d.scatter( group_b_x, group_b_y, group_b_z, c="blue", # 更改为蓝色表示另一类别样本群 marker='^', # 上三角箭头记号替代默认圆圈形式 s=70 # 提高尺寸权重使差异更为显著直观可见 ) ``` #### 自定义显示效果 最后可进一步优化布局结构比如增加标题说明文字、设定轴名标签等等操作提高整体呈现质量。 ```python axis_3d.set_title("Two Groups of 3D Scatter Plots with Different Colors") axis_3d.set_xlabel('X-Axis Label') axis_3d.set_ylabel('Y-Axis Label') axis_3d.set_zlabel('Z-Axis Label') plt.show() # 渲染输出最终成果画面 ``` 以上代码展示了如何借助 Matplotlib 的强大工具箱，在单一窗口里清晰表达出两类相互独立却又紧密关联的空间位置关系模型[^2]。 --- ### 注意事项 - 如果希望增强用户体验互动性的话，考虑开启 `%matplotlib notebook` 模式允许用户自由旋转视角查看细节特征。 - 当面对大规模密集型分布的数据集合时，可能需要采取降噪措施或者选取代表性抽样策略简化运算负担从而加快响应速度提升效率表现。