【1】引言
前序学习了errorbar()函数的大部分功能，相关文章包括但不限于下述链接：
python画图|errorbar初探_python ax.errorbar-CSDN博客
python画图|errorbar()进阶教程- uplims, lolims和xuplims, xlolims应用_ax.errorbar(x, y + 0.5, xerr=xerr, yerr=yerr, upli-CSDN博客
python画图|errorbar()函数中的errorevery参数-CSDN博客
在此基础上，我们尝试从二阶的平面图过渡到三阶的立体图，因此有了本文。
【2】官网教程
点击下方链接，直达官网，在官网可以看到非常精炼的代码，我们一起学习。
https://matplotlib.org/stable/gallery/mplot3d/errorbar3d.html#sphx-glr-gallery-mplot3d-errorbar3d-py
【3】代码解读
首先，引入画图和计算模块：
import matplotlib.pyplot as plt #引入画图模块 import numpy as np #引入计算模块
之后定义画三维图：
ax = plt.figure().add_subplot(projection='3d') #定义要画3D图
然后定义了自变量和因变量：
t = np.arange(0, 2*np.pi+.1, 0.01) #定义自变量 x, y, z = np.sin(t), np.cos(3*t), np.sin(5*t) #定义因变量
为表示谨慎，我想提前输出x、y和z的值。在这里，x取了正弦值，y取了余弦值，z取了另一个正弦值。
之后先定义了一个常数，然后对这个常数进行了取整和取余计算：
estep = 15 #定义一个常数 i = np.arange(t.size) #定义一个数组，数组的长度刚好等于自变量的长度 zuplims = (i % estep == 0) & (i // estep % 3 == 0) #定义一个新变量，定义一个新变量，变量对两个值进行判断 # i%estep为对estep取余数，i // estep % 3为对estep先取整数再对3取余数 zlolims = (i % estep == 0) & (i // estep % 3 == 2)#定义一个新变量，变量对两个值进行判断 # i%estep为对estep取余数，i // estep % 3为对estep先取整数再对3取余数
之后就是非常高效的直接绘制3D errorbar图形，误差在Z轴方向输出，通过上述和estep有关的计算控制误差输出的位置：
ax.errorbar(x, y, z, 0.2, zuplims=zuplims, zlolims=zlolims, errorevery=estep) #画图，这里在Z轴方向上进行误差输出ax.set_xlabel("X label") #设置X轴名称
ax.set_ylabel("Y label") #设置Y轴名称
ax.set_zlabel("Z label") #设置Z轴名称plt.show() #输出图形
运行代码后的图像为：
图1
此时的完整代码为：
import matplotlib.pyplot as plt #引入画图模块
import numpy as np #引入计算模块ax = plt.figure().add_subplot(projection='3d') #定义要画3D图# setting up a parametric curve
t = np.arange(0, 2*np.pi+.1, 0.01) #定义自变量
x, y, z = np.sin(t), np.cos(3*t), np.sin(5*t) #定义因变量estep = 15 #定义一个常数
i = np.arange(t.size) #定义一个数组，数组的长度刚好等于自变量的长度
zuplims = (i % estep == 0) & (i // estep % 3 == 0) #定义一个新变量，定义一个新变量，变量对两个值进行判断
# i%estep为对estep取余数，i // estep % 3为对estep先取整数再对3取余数
zlolims = (i % estep == 0) & (i // estep % 3 == 2)#定义一个新变量，变量对两个值进行判断
# i%estep为对estep取余数，i // estep % 3为对estep先取整数再对3取余数ax.errorbar(x, y, z, 0.2, zuplims=zuplims, zlolims=zlolims, errorevery=estep) #画图，这里在Z轴方向上进行误差输出ax.set_xlabel("X label") #设置X轴名称
ax.set_ylabel("Y label") #设置Y轴名称
ax.set_zlabel("Z label") #设置Z轴名称plt.show() #输出图形【4】代码改写
其实默认输出图像看得比价凌乱，因此尝试修改变量定义，让图像简单一些：
x, y, z = np.sin(t), np.sin(3*t), np.sin(5*t) #定义因变量
此时的输出图像为：
图2
然后尝试在X轴上增加误差线，改下下述代码：
ax.errorbar(x, y, z, xerr=0.2,zerr=0.2,xuplims=zuplims, xlolims=zlolims,zuplims=zuplims, zlolims=zlolims, ecolor=['r','g'],errorevery=2*estep) #画图，这里在Z轴方向上进行误差输出
运行代码后的输出图像为：
图3
根据图3我们看到有的线条有箭头，有的线条没有箭头。为探索这个原因，我们先尝试保存代码如下：
import matplotlib.pyplot as plt #引入画图模块
import numpy as np #引入计算模块ax = plt.figure().add_subplot(projection='3d') #定义要画3D图# setting up a parametric curve
t = np.arange(0, 2*np.pi+.1, 0.01) #定义自变量
x, y, z = np.sin(t), np.sin(3*t), np.sin(5*t) #定义因变量estep = 15 #定义一个常数
i = np.arange(t.size) #定义一个数组，数组的长度刚好等于自变量的长度
zuplims = (i % estep == 0) & (i // estep % 3 == 0) #定义一个新变量，定义一个新变量，变量对两个值进行判断
# i%estep为对estep取余数，i // estep % 3为对estep先取整数再对3取余数
zlolims = (i % estep == 0) & (i // estep % 3 == 2)#定义一个新变量，变量对两个值进行判断
# i%estep为对estep取余数，i // estep % 3为对estep先取整数再对3取余数ax.errorbar(x, y, z, xerr=0.2,zerr=0.2,xuplims=zuplims, xlolims=zlolims,zuplims=zuplims, zlolims=zlolims, ecolor=['r','g'],errorevery=2*estep) #画图，这里在Z轴方向上进行误差输出ax.set_xlabel("X label") #设置X轴名称
ax.set_ylabel("Y label") #设置Y轴名称
ax.set_zlabel("Z label") #设置Z轴名称plt.show() #输出图形然后改写变量定义代码，让取值变少：
t = np.arange(0, 2*np.pi+.1, 0.1) #定义自变量
此时的输出图像为：
图4
在这里我们不见看到没有箭头的十字交叉线，也看到有箭头的线居然出现了双箭头，为此继续改写代码：
ax.errorbar(x, y, z, xerr=0.5,zerr=0.2,xuplims=zuplims, xlolims=zlolims,zuplims=zuplims, zlolims=zlolims, ecolor=['r','g'],errorevery=2*estep) #画图，这里在Z轴方向上进行误差输出
先把xerr值扩大到0.5，运行代码后的图像为：
图5
可见，X轴方向的误差线长度增长，但是好像给同一条线的颜色给了两次赋值，为谨慎起见，先调换一下ecolor中的颜色代码g和r的顺序，调换后如下：
ecolor=['g','r']
运行代码后的输出图像为：
图6
可见颜色依然赋值了两次。
为继续简化图形，修改变量定义：
t = np.arange(0, 6.1, 0.1) #定义自变量 x, y, z = t, t, t #定义因变量
此时的变量大幅减少，输出图像也更简洁，运行代码后的图像为：
图7
在途7中我们观察到在右侧上方出现了一个红色的十字，为探究为何会出现这种情况，我们修正一下代码的密度，把输出间隔改到1，输出所有自变量，把estep改到2,。改后代码如下：
t = np.arange(0, 8.1, 1) #定义自变量
x, y, z = t, t, t #定义因变量
print('t=',t)
estep = 2 #定义一个常数
此时的完整代码为：
import matplotlib.pyplot as plt #引入画图模块
import numpy as np #引入计算模块ax = plt.figure().add_subplot(projection='3d') #定义要画3D图# setting up a parametric curve
t = np.arange(0, 8.1, 1) #定义自变量
x, y, z = t, t, t #定义因变量
print('t=',t)
estep = 2 #定义一个常数
i = np.arange(t.size) #定义一个数组，数组的长度刚好等于自变量的长度
zuplims = (i % estep == 0) & (i // estep % 3 == 0) #定义一个新变量，定义一个新变量，变量对两个值进行判断
# i%estep为对estep取余数，i // estep % 3为对estep先取整数再对3取余数
zlolims = (i % estep == 0) & (i // estep % 3 == 2)#定义一个新变量，变量对两个值进行判断
# i%estep为对estep取余数，i // estep % 3为对estep先取整数再对3取余数
print('zuplims=',zuplims)
print('zlolims=',zlolims)
ax.errorbar(x, y, z, xerr=0.5,zerr=0.2,xuplims=zuplims, xlolims=zlolims,zuplims=zuplims, zlolims=zlolims, errorevery=2*estep) #画图，这里在Z轴方向上进行误差输出ax.set_xlabel("X label") #设置X轴名称
ax.set_ylabel("Y label") #设置Y轴名称
ax.set_zlabel("Z label") #设置Z轴名称plt.show() #输出图形运行代码后的输出图像为：
图8
同时输出的部分还包括：
t= [0. 1. 2. 3. 4. 5. 6. 7. 8.]
zuplims= [ True False False False False False True False False]
zlolims= [False False False False True False False False False]
注意到errorevery=2*estep=4，在此基础上：
当输出了九个变量，在输出第一个、第五个和第九个变量的时候指定了方向。
为便于理解，把zuplims和zlolims的值输出：
看着比较复杂，其实只用看三个值：第1个第5个和第9个。
第一个位置up=True,lo=Flase，应该显示负向的误差线；
第二个位置up=Flase,lo=True，应该显示正向的误差线；
第三个位置up=Flase,lo=Flase，应该显示正负向的误差线。
如对上述分析存疑，需从errorevery参数的意义着手开始加深理解，可通过下文辅助理解：
python画图|errorbar()函数中的errorevery参数-CSDN博客
【5】总结
掌握了3D errorbars绘制方法。
