在Python中，可以使用NumPy库来生成三维数组。NumPy是一个用于数值计算的库，可以方便地创建多维数组和矩阵。下面是一个示例代码，用于创建一个3x3x3的三维数组：

import numpy as np
# 创建一个3x3x3的三维数组
arr = np.zeros((3, 3, 3))
# 输出数组的形状
print(arr.shape)

在上面的代码中，np.zeros()函数用于创建一个全为0的三维数组，(3, 3, 3)表示数组的形状为3x3x3。arr.shape用于输出数组的形状，输出结果为(3, 3, 3)。

接下来，我们将使用matplotlib库来绘制三维图。在绘制三维图之前，需要先安装matplotlib库。可以使用以下命令安装matplotlib库：

pip install matplotlib

下面是一个示例代码，用于绘制一个简单的三维散点图：

import numpy as np
import matplotlib.pyplot as plt
# 创建一个3x3x3的三维数组
x = np.arange(9).reshape((3, 3))
y = np.arange(9).reshape((3, 3)) + 1
z = np.arange(9).reshape((3, 3)) + 2
# 绘制三维散点图
plt.scatter(x, y, z)
plt.show()

在上面的代码中，我们首先使用np.arange()函数创建了一个包含0到8的整数的一维数组，然后使用reshape()函数将其转换为一个3x3的二维数组。接着，我们分别使用三个二维数组x、y和z表示三维散点图的三个坐标轴上的数据。最后，使用plt.scatter()函数绘制散点图，并使用plt.show()函数显示图形。

在三维散点图中，每个点都由三个坐标轴上的值确定，因此我们需要提供三个坐标轴上的数据。在上面的代码中，我们使用了三个二维数组来表示三个坐标轴上的数据。需要注意的是，由于散点图的三个坐标轴上的数据都是等长的二维数组，因此它们需要具有相同的形状。

除了散点图之外，还可以使用其他类型的三维图来展示三维数据。例如，可以使用plt.plot_surface()函数绘制三维曲面图。下面是一个示例代码，用于绘制一个简单的三维曲面图：

```python
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D # 导入Axes3D模块以支持三维绘图

创建一个3x3的三维数组

x = np.linspace(-5, 5, 9)
y = np.linspace(-5, 5, 9) + 1
z = np.linspace(-5, 5, 9) + 2
X, Y = np.meshgrid(x, y) # 创建一个网格矩阵，用于生成曲面上的点集
Z = np.sin(np.sqrt(X2 + Y2)) # 计算每个点到原点的距离的平方根，再取正弦值作为Z轴上的高度值

绘制三维曲面图

fig = plt.figure() # 创建一个图形窗口对象
ax = fig.add_subplot(111, projection=’3d’) # 创建一个三维子图对象，并指定投影方式为’3d’
ax.plot_surface(X, Y, Z) # 使用plot_surface()函数绘制曲面图
ax.set_xlabel(‘X轴’) # 设置X轴标签为’X轴’
ax.set_ylabel(‘Y轴’) # 设置Y轴标签为’Y轴’
ax.set_zlabel(‘Z轴’) # 设置Z轴标签为’Z轴’
plt.show() # 显示图形窗口对象中的图形