前言

Python是一种通用性极强的脚本语言，被广泛用于数据分析、科学计算和图形可视化等领域。其中，matplotlib作为一个强大的绘图功能库，具有丰富的功能和灵活的应用场景。它可以绘制各种类型的图形，包括折线图、散点图等，并且支持三维图像的绘制，为用户提供了丰富的可视化选择。

然而，随着Python语言的快速演进，其生态系统中的各种库也在不断更新迭代。这导致了API和用法的变化频繁，特别是对于一些老版本的Python和其对应的库。例如，一些设备可能仍然限制在运行Python 3.7及其适配（或预装）的matplotlib版本，而当前通用版本（适配Python 3.10）可能已经有了一些差异。

因此，本文将重点介绍在不同版本的matplotlib下绘制三维图像的方法，以帮助读者充分利用各种环境下的绘图功能，实现数据可视化的目标。

现行通用版本情况

在现行通用版本中（Python 3.10.13，matplotlib 3.8.2，在matplotlib 2之后基本可用)下，绘制三维图非常简便。只需要在添加子图（运行fig.add_subplot()函数）时额外使用projection=’3d’参数即可。示例如下：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0,10,1000)
y = np.linspace(0,10,1000)
xx, yy = np.meshgrid(x,y)
zz = np.sin(xx+yy)

fig = plt.figure(dpi=400)
ax_3d = fig.add_subplot(1,1,1, projection='3d')
ax_3d.plot_surface(xx,yy,zz,rstride=10,cstride=10,cmap='rainbow')

输出如下：

对于老版本的情况

考虑到少部分设备上预装的matplotlib版本较为老旧。