引入模块
import numpy as npimport matplotlib.pyplot as pltimport matplotlib创建3d图代码
# 创建窗口fig=plt.figure()# 在该窗口中创建3d绘图对象ax=Axes3D(fig)# 创建点的x和y坐标数组x=np.arange(-3,3,0.2)y=np.arange(-3,3,0.2)# 网格化处理x,y=np.meshgrid(x,y)# 计算某个点到原点的距离为半径r=np.sqrt(x**2+y**2)# 以半径为基准，求它的正弦值为点的z轴坐标z=np.sin(r)# 绘制图像ax.plot_surface(x,y,z,rstride=3,cstride=1,cmap="hot")# 底部的投影ax.contour(x,y,z, zdir = 'z', offset = -1, cmap = plt.get_cmap('rainbow'))# 设置z轴的维度，x,y类似ax.set_zlim(-2, 2)plt.show()这是网上大多都这样写的，执行发现一片空白不出图。
百度之后，有说降到3.8就可以了，结论是3.9以上已经不支持此绘图了。
继续查找，随后有说加fig.add_axes(ax)
试了试，出图了
修改代码：
ax=Axes3D(fig)fig.add_axes(ax)完整代码：
# 3D图matplotlib.rcParams['axes.unicode_minus']=False# 创建窗口fig=plt.figure()# 在该窗口中创建3d绘图对象ax=Axes3D(fig)fig.add_axes(ax)# 创建点的x和y坐标数组x=np.arange(-3,3,0.2)y=np.arange(-3,3,0.2)# 网格化处理x,y=np.meshgrid(x,y)# 计算某个点到原点的距离为半径r=np.sqrt(x**2+y**2)# 以半径为基准，求它的正弦值为点的z轴坐标z=np.sin(r)# 绘制图像ax.plot_surface(x,y,z,rstride=3,cstride=1,cmap="hot")# 底部的投影ax.contour(x,y,z, zdir = 'z', offset = -1, cmap = plt.get_cmap('rainbow'))# 设置z轴的维度，x,y类似ax.set_zlim(-2, 2)plt.show()效果图
