python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python绘制3D堆叠条形图

使用Python绘制3D堆叠条形图全解析

作者：Code_Verse

在数据可视化的工具箱里,3D 图表总能带来眼前一亮的效果,本文就来和大家聊聊如何使用Python实现绘制3D 堆叠条形图,感兴趣的小伙伴可以了解下

在数据可视化的工具箱里，3D 图表总能带来眼前一亮的效果 —— 它突破了二维平面的限制，用立体空间展示多维度数据关系，让复杂的数据层级一目了然。今天我们要解锁的「3D 堆叠条形图」，就是一种能同时呈现类别、子类别、数值大小的强大可视化工具，特别适合展示具有分层结构的数据。无论是商业报表中的多维度业绩分析，还是科研数据中的多指标对比，它都能让你的数据呈现瞬间高级起来～

为什么选择 3D 堆叠条形图

先聊聊这种图表的独特优势：

适合场景举例：

代码实现：从数据到 3D 世界的搭建

先奉上完整代码，我们将像拆解乐高积木一样解析每个关键模块：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# Generate random data
num_x = 10
num_y = 10
num_stacks = 5
data = np.random.randint(0, 10, size=(num_x, num_y, num_stacks))

# Set up figure and 3D axis
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

x_positions = np.arange(1, num_x + 1)
y_positions = np.arange(1, num_y + 1)
dx = dy = 0.5  # width and depth of the bars

# Plot stacked bars
for i, x in enumerate(x_positions):
    for j, y in enumerate(y_positions):
        bottom = 0
        for k in range(num_stacks):
            dz = data[i, j, k]
            ax.bar3d(x, y, bottom, dx, dy, dz, alpha=0.8)
            bottom += dz

# Set labels and title
ax.set_xlabel('Variable1')
ax.set_ylabel('Variable2')
ax.set_zlabel('Variable3')
ax.set_title('3D Stacked Bar Plot')

plt.show()

核心代码逐行解析

阶段一：数据准备 —— 搭建数据立方体

num_x = 10
num_y = 10
num_stacks = 5
data = np.random.randint(0, 10, size=(num_x, num_y, num_stacks))
data = your_3d_data  # 例如从文件读取的numpy数组

若数据是二维表格（如 Excel 中的长表格），需要先转换为三维结构。例如，假设你的数据是：

Variable1Variable2Stack1Stack2Stack3
11532
12461
...............

可以用pandas重组数据： 

import pandas as pd
df = pd.read_csv('your_data.csv')
num_x = df['Variable1'].nunique()
num_y = df['Variable2'].nunique()
num_stacks = 3  # 假设堆叠层数为3
data = df.pivot_table(
    values=['Stack1', 'Stack2', 'Stack3'],
    index='Variable1',
    columns='Variable2'
).values.transpose(1, 0, 2)  # 调整维度顺序为(num_x, num_y, num_stacks)

阶段二：场景搭建 —— 创建 3D 画布 

阶段三：主体绘制 —— 堆叠条形的魔法循环

x_positions = np.arange(1, num_x + 1)
y_positions = np.arange(1, num_y + 1)
dx = dy = 0.5  # 条形的宽度和深度
for i, x in enumerate(x_positions):
    for j, y in enumerate(y_positions):
        bottom = 0  # 堆叠基底高度初始化为0
        for k in range(num_stacks):
            dz = data[i, j, k]  # 第k层的高度
            ax.bar3d(x, y, bottom, dx, dy, dz, alpha=0.8)  # 绘制单层条形
            bottom += dz  # 基底高度累加上当前层高度

这是三层嵌套循环，核心逻辑是：

ax.bar3d的参数解析：

细节优化

1. 颜色定制：给每层条形穿上不同的 “外衣”

当前代码使用默认颜色，可能导致多层堆叠时难以区分。可以通过color参数自定义每层颜色：

# 定义每层的颜色（建议使用明度差异大的颜色）
stack_colors = ['#FF5733', '#33FF57', '#3357FF', '#FF33F7', '#F7FF33']

# 在绘制时传入颜色
ax.bar3d(x, y, bottom, dx, dy, dz, color=stack_colors[k], alpha=0.8)

2. 坐标轴优化：让标签清晰易读 

ax.set_xticks(x_positions)  # 设置x轴刻度为实际位置
ax.set_yticks(y_positions)  # 设置y轴刻度为实际位置
ax.tick_params(axis='x', labelsize=8, rotation=15)  # 旋转x轴标签避免重叠
ax.tick_params(axis='y', labelsize=8, rotation=10)  # 微调y轴标签角度

3. 视角调整：找到最佳观察角度 

ax.view_init(elev=30, azim=45)  # elev：仰角，azim：方位角
# 常用组合：
# 正前方视角：elev=90, azim=0
# 俯视视角：elev=60, azim=30

4. 添加数据标签：让数值一目了然（进阶） 

for i, x in enumerate(x_positions):
    for j, y in enumerate(y_positions):
        bottom = 0
        for k in range(num_stacks):
            dz = data[i, j, k]
            # 计算条形顶部中心坐标
            x_center = x + dx/2
            y_center = y + dy/2
            z_top = bottom + dz/2
            ax.text(x_center, y_center, z_top, f'{dz}', ha='center', va='center')
            bottom += dz

5. 背景与网格：提升视觉舒适度 

ax.grid(False)  # 关闭默认网格，避免干扰
ax.xaxis.set_pane_color((1.0, 1.0, 1.0, 0.0))  # 透明化坐标轴背景
ax.yaxis.set_pane_color((1.0, 1.0, 1.0, 0.0))
ax.zaxis.set_pane_color((1.0, 1.0, 1.0, 0.0))

应用场景：3D 堆叠图的实战案例

案例 1：电商平台多维度销售分析

案例 2：气候数据多指标对比

案例 3：教育领域学生表现分析

避坑指南：3D 图表的常见问题与解决方案

数据遮挡问题

性能卡顿

颜色混淆

进阶玩法：让 3D 图表更动态

1. 交互式旋转与缩放

Matplotlib 默认支持鼠标交互：

左键拖动：旋转视角

右键拖动：平移画布

滚轮：缩放视图

配合plt.ion()（交互模式），可以在 Jupyter Notebook 中实时调整视角。

2. 动画效果（生成 GIF）

from matplotlib.animation import FuncAnimation

def update(frame):
    ax.view_init(elev=30, azim=frame)  # 动态改变方位角
    return fig,

ani = FuncAnimation(fig, update, frames=np.linspace(0, 360, 30), repeat=True)
ani.save('3d_bar_animation.gif', writer='pillow')

3. 与其他图表结合

将 3D 堆叠图与 2D 趋势图组合，形成多视图仪表盘：

fig, (ax3d, ax2d) = plt.subplots(1, 2, figsize=(15, 6), subplot_kw={'projection': '3d'})
# 在ax3d绘制堆叠图，在ax2d绘制x轴总和的折线图

结语：让数据在三维空间中舞动

3D 堆叠条形图就像一个数据舞台，每个条形都是舞台上的舞者，用高度和颜色演绎数据的故事。通过今天的教程，你已经掌握了从数据准备到细节优化的全流程，现在只差替换成你自己的数据啦！

替换数据的关键步骤回顾：

快去试试吧！无论是分析商业数据还是科研成果，这种立体可视化方式都会让你的报告瞬间提升一个档次～

到此这篇关于使用Python绘制3D堆叠条形图全解析的文章就介绍到这了,更多相关Python绘制3D堆叠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！

您可能感兴趣的文章:
阅读全文