Python实现绘制3D条形图的示例详解
作者：微小冷
这篇文章主要为大家学习介绍了如何利用Python实现绘制3D条形图，文中的示例代码讲解详细，具有一定的学习价值，感兴趣的小伙伴可以了解一下
数据导入
尽管在matplotlib支持在一个坐标系中绘制多组条形图，效果如下
其中，蓝色表示中国，橘色表示美国，绿色表示欧盟。从这个图就可以非常直观地看出，三者自2018到2022年的GDP变化情况。但相比之下，通过增加轴坐标，可以让多组条形图分布在三维坐标中，从而更具表现力。
这里仍然以中美欧GDP为例，如下表所示，单位是万亿美元。
| 中国 | 美国 | 欧盟 | |
|---|---|---|---|
| 2018 | 13.89 | 20.53 | 15.98 |
| 2019 | 14.28 | 21.38 | 15.69 |
| 2020 | 14.69 | 21.06 | 15.37 |
| 2021 | 17.82 | 23.32 | 17.19 |
| 2022 | 17.96 | 25.46 | 16.64 |
首先，把这些数值写入python
import numpy as np
years = np.arange(2018, 2023)
areas = ("PRC", "EU", "USA")
GDPS = {
'PRC': (13.89, 14.28, 14.69, 17.82, 17.96),
'USA': (20.53, 21.38, 21.06, 23.32, 25.46),
'EU': (15.98, 15.69, 15.37, 17.19, 16.64),
}三维条形图
由于想在三维坐标轴中绘图，所以第一步是新建一个子坐标图，并指定projection=3d，然后在绘图时给定一个额外的y坐标，代码如下
import matplotlib.pyplot as plt
import numpy as np
ax = plt.subplot(projection='3d')
colors = ['r', 'b', 'g']
yticks = [2, 1, 0]
for i,key in enumerate(areas):
ax.bar(years, GDPS[key],
zs=i, zdir='y', label=key, color=colors[i], alpha=0.8)
plt.yticks([])
plt.legend()
plt.show()其中，设置透明度为0.8，这样可以让图像在表现时更有层次感。通过设置label，对三个地区的颜色进行了标注，效果为
bar3d
上图虽然有了3D坐标轴，但其实每个数据条仍然是二维的，通过bar3d函数，可以绘制更加结实紧固的三维方块图，其绘图参数如下
bar3d(x, y, z, dx, dy, dz, color=None, zsort='average', shade=True, lightsource=None, *args, data=None, **kwargs)
其中，x,y,z是方块图的锚点坐标，dx, dy, dz是方块的长度、宽度和高度。换言之，其绘图逻辑是，先指定其绘图的起始位置，然后按照给定的长宽高绘制长方体。下面的代码就通过bar3d来绘制中美欧的GDP变化
ax = plt.subplot(projection='3d')
dx = dy = np.zeros(5)+0.5
x = years
z = np.zeros_like(x)
for i,key in enumerate(areas):
y = z + i
dz = GDPS[key]
ax.bar3d(x,y,z,dx,dy,dz,
color=colors[i], alpha=0.8, label=key)
plt.yticks([0.5, 1.5, 2.5], areas)
plt.show()这里对y轴坐标重新进行了映射，从而无需使用label也能清晰地看出每组数据所对应的地区，效果如下
bar3d函数中其他参数含义如下：
- zsort z轴排序方案
- shade 当为
True时，会显示3D图的阴影效果 - lightsource 3D条形图的光源
到此这篇关于Python实现绘制3D条形图的示例详解的文章就介绍到这了,更多相关Python绘制3D条形图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！