背景

先说说项目背景，~~本菜鸡~~是搞故障诊断的，所以免不了用上一些统计学的知识，看过之前我的Blog的都会发现， $T^2$ 和 $S P E$ 在故障诊断邻域或者说是再小范围一点，在过程监控邻域，是很好用且很关键的两个统计量，用于监测过程中的一些有故障的检测点或者区间，会有阈值限，超过阈值的则判断为故障，反而，则为正常。具体可以看->这里。

三维图

之前尝试过很多中方法来实现三维图，但是，。。。，但是均没实现完美的效果，如Echarts、Pyecharts、Plotly等等，最终还是只有用yyds<Matplotlib>，真的，没有它解决不了的可视化问题！！！

输入

明确一下我们的输入，简单来说，三维三维，不就是三个维度嘛。X、Y、Z三个方向，我们项目的数据是X、Y是对于多层 $T^2$ 或 $S P E$ 统计量的值都是对应的，简单来说，比如第一层的 $T^2$ 值和第二层到最后一层的 $T^2$ 值所对应的X和Y坐标都是一个坐标，而不同层次的 $T^2$ 值，则是代表高低不同的Z轴的值，而我们需要做的就是将多层的Z按照X、Y的坐标位置给叠加起来，我们的输入如下。
在这里插入图片描述
（数据就像上面那样，这里我们以 $T^2$ 的多层可视化为例展开吧）

那么下面我们直接开始搞可视化吧！！！

输出

输出最终则为我们的可视化三维图，先不爆料，看后续。

可视化

我们用的Python来实现可视化。

导入库

库先给导入进来：

import matplotlib.pyplot as plt    # 可视化的matplotlib库
import pandas as pd                # 数据表操作的库
from mpl_toolkits.mplot3d import Axes3D   # 三维可视化
from icecream import ic            # 类似于print输出

封装一些Function

虽然我们的代码不是很长，但为了代码的规范和美观，建议还是讲其封装为一个一个的function，这样调用起来更方便。

读取数据表

def loaddata(filename):
    """
    读取传入得数据表
    """
    dtf = pd.read_csv(filename)    # 读取表格文件

    return dtf

$T^2$ 三维热力图

def T2_plot(df_value, df_xy):
    """
    绘制T2三维热力图  
    """
    #获取行列数
    q1 = df_value.shape[1]  # 列数
    r1 = df_value.shape[0]  # 行数
    print('x_y有%r行，%r列。' % (r1, q1))

    X = []
    Y = []
    Z = []
    # 设置空数组备用

    for a in range(2, q1):  # 选择需要叠加的Value量选值范围2~11, 应该遍历所有列，因为每个数据表的维度不一定一致，所以最大通过获取的列传入
        for xx in range(r1 + 1):  # 循环迭代不同的层数
            if xx < r1:
                IIx = df_xy.iloc[xx, 0]  # 取第一列的值
                IIy = df_xy.iloc[xx, 1]  # 取第二列的值
                IIz = df_value.iloc[xx, a]  # 取相应的T2或SPE的值

                # 将每个坐标轴X,y及其T2或SPE的值存入一个list中
                X.append(IIx)
                Y.append(IIy)
                Z.append(IIz)

    ic(len(Z))  # 查看Z的数量
    # 开始制图
    fig = plt.figure()
    ax = Axes3D(fig)
    ax.set_xlabel('IX', fontsize=10, color='black')  # 设置x标签及其参数
    ax.set_ylabel('JY', fontsize=10, color='black')  # 设置y标签及其参数
    ax.set_zlabel('Value', fontsize=10, color='black')   # 设置z标签及其参数
    ax.plot_trisurf(X, Y, Z, cmap=plt.get_cmap('jet'), linewidth=0.1)  # 三角表面图
    plt.show()    # 渲染3D图显示

主函数

# 主函数
if __name__=="__main__":
    # 导入数据表文件名
    T2_name = "T2.csv"
    xy_name = "x_y.csv"

    # 读取数据表
    t2 = loaddata(T2_name)
    xy = loaddata(xy_name)

    # 制作T2三维图
    T2_plot(df_value=t2, df_xy=xy)

最终的效果图像这样：
在这里插入图片描述
换个方位再来一张：

让我们再看看底部：

深色的地方则是有多个相近的点堆积到一起的，所以会在那些点显得颜色很深。

来个大汇总，完整代码：

import matplotlib.pyplot as plt
import pandas as pd
from mpl_toolkits.mplot3d import Axes3D
from icecream import ic

# 读取数据表
def loaddata(filename):
    """
    读取传入得数据表
    """
    dtf = pd.read_csv(filename)    # 读取表格文件

    return dtf

# T2三维热力图
def T2_plot(df_value, df_xy):
    """
    绘制T2三维热力图  todo:完善
    """
    #获取行列数
    q1 = df_value.shape[1]  # 列数
    r1 = df_value.shape[0]  # 行数
    print('x_y有%r行，%r列。' % (r1, q1))

    X = []
    Y = []
    Z = []
    # 设置空数组备用

    for a in range(2, q1):  # 选择需要叠加的Value量选值范围2~11, 应该遍历所有列，因为每个数据表的维度不一定一致，所以最大通过获取的列传入
        for xx in range(r1 + 1):  # 循环迭代不同的层数
            if xx < r1:
                IIx = df_xy.iloc[xx, 0]  # 取第一列的值
                IIy = df_xy.iloc[xx, 1]  # 取第二列的值
                IIz = df_value.iloc[xx, a]  # 取相应的T2或SPE的值

                # 将每个坐标轴X,y及其T2或SPE的值存入一个list中
                X.append(IIx)
                Y.append(IIy)
                Z.append(IIz)

    ic(len(Z))  # 查看Z的数量
    # 开始制图
    fig = plt.figure()
    ax = Axes3D(fig)
    ax.set_xlabel('IX', fontsize=10, color='black')  # 设置x标签及其参数
    ax.set_ylabel('JY', fontsize=10, color='black')  # 设置y标签及其参数
    ax.set_zlabel('Value', fontsize=10, color='black')   # 设置z标签及其参数
    ax.plot_trisurf(X, Y, Z, cmap=plt.get_cmap('jet'), linewidth=0.1)  # 三角表面图
    plt.show()    # 渲染3D图显示

# 主函数
if __name__=="__main__":
    # 导入数据表文件名
    T2_name = "T2.csv"
    xy_name = "x_y.csv"

    # 读取数据表
    t2 = loaddata(T2_name)
    xy = loaddata(xy_name)

    # 制作T2三维图
    T2_plot(df_value=t2, df_xy=xy)