### 使用 Python Matplotlib 和 Pandas 实现三维坐标系的创建与 Excel 数据可视化 要完成这一任务，可以按照以下方法操作： #### 1. 导入必要的库 为了实现目标，需要导入 `pandas`、`numpy` 和 `matplotlib` 的相关模块。以下是所需的代码片段： ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D ``` 上述代码中引入了 `mpl_toolkits.mplot3d.Axes3D` 子类用于支持三维绘图[^3]。 --- #### 2. 读取 Excel 文件中的数据 利用 Pandas 可以轻松加载 Excel 文件的数据到 DataFrame 对象中。假设 Excel 文件名为 `coordinates.xlsx`，其中包含三列分别表示 X 轴、Y 轴和 Z 轴的坐标值，则可以用以下方式读取数据： ```python df = pd.read_excel('coordinates.xlsx') print(df.head()) # 查看前几行数据确认结构 ``` 此部分实现了文件读取的功能[^1]。 --- #### 3. 创建三维坐标系 通过 `matplotlib` 的 `figure()` 函数创建一个新的画布对象，并基于该对象实例化一个三维轴对象 (`Axes3D`) 来构建三维空间环境。 ```python fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 添加具有 '3d' 投影属性的子图 ``` 这里使用的是 `projection='3d'` 参数来指定三维投影模式。 --- #### 4. 将数据映射至三维坐标系 从已加载的 DataFrame 中提取对应于三个维度 (X,Y,Z) 的数值列表作为输入参数传递给三维散点图绘制命令 `scatter()` 或其他形式如线条连接等表现手法。 ```python x_coords = df['X'].values y_coords = df['Y'].values z_coords = df['Z'].values ax.scatter(x_coords, y_coords, z_coords, c='r', marker='o') # 设置颜色为红色 ('r'), 形状为圆圈 ('o') # 自定义标签名便于理解各方向含义 ax.set_xlabel('X Coordinate') ax.set_ylabel('Y Coordinate') ax.set_zlabel('Z Coordinate') plt.title('3D Scatter Plot of Coordinates from Excel File') plt.show() ``` 以上脚本完成了将存储在变量内的数组转换成可视化的三维分布图像过程。 --- #### 完整示例程序 综合前面各个阶段的内容形成最终完整的解决方案如下所示： ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 加载Excel文档里的位置资料表单 df = pd.read_excel('coordinates.xlsx') # 获取XYZ分量序列 x_coords = df['X'].values y_coords = df['Y'].values z_coords = df['Z'].values # 初始化图形框架以及设定视角类型为立体视图 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 执行实际渲染动作，在虚拟世界里呈现这些节点的位置关系 ax.scatter(x_coords, y_coords, z_coords, c='b', marker='^') # 命名每条数轴的意义描述文字串 ax.set_xlabel('Axis X Label') ax.set_ylabel('Axis Y Label') ax.set_zlabel('Axis Z Label') # 展示成果画面窗口 plt.show() ```