快捷導(dǎo)航

Python實(shí)現(xiàn)繪制3D條形圖的示例詳解

更新時(shí)間：2023年07月28日 08:40:40 作者：微小冷

這篇文章主要為大家學(xué)習(xí)介紹了如何利用Python實(shí)現(xiàn)繪制3D條形圖，文中的示例代碼講解詳細(xì)，具有一定的學(xué)習(xí)價(jià)值，感興趣的小伙伴可以了解一下

數(shù)據(jù)導(dǎo)入

盡管在matplotlib支持在一個坐標(biāo)系中繪制多組條形圖，效果如下

其中，藍(lán)色表示中國，橘色表示美國，綠色表示歐盟。從這個圖就可以非常直觀地看出，三者自2018到2022年的GDP變化情況。但相比之下，通過增加軸坐標(biāo)，可以讓多組條形圖分布在三維坐標(biāo)中，從而更具表現(xiàn)力。

這里仍然以中美歐GDP為例，如下表所示，單位是萬億美元。

	中國	美國	歐盟
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，把這些數(shù)值寫入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),
}

三維條形圖

由于想在三維坐標(biāo)軸中繪圖，所以第一步是新建一個子坐標(biāo)圖，并指定projection=3d，然后在繪圖時(shí)給定一個額外的y坐標(biāo)，代碼如下

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，設(shè)置透明度為0.8，這樣可以讓圖像在表現(xiàn)時(shí)更有層次感。通過設(shè)置label，對三個地區(qū)的顏色進(jìn)行了標(biāo)注，效果為

bar3d

上圖雖然有了3D坐標(biāo)軸，但其實(shí)每個數(shù)據(jù)條仍然是二維的，通過bar3d函數(shù)，可以繪制更加結(jié)實(shí)緊固的三維方塊圖，其繪圖參數(shù)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是方塊圖的錨點(diǎn)坐標(biāo)，dx, dy, dz是方塊的長度、寬度和高度。換言之，其繪圖邏輯是，先指定其繪圖的起始位置，然后按照給定的長寬高繪制長方體。下面的代碼就通過bar3d來繪制中美歐的GDP變化

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()

這里對y軸坐標(biāo)重新進(jìn)行了映射，從而無需使用label也能清晰地看出每組數(shù)據(jù)所對應(yīng)的地區(qū)，效果如下