python绘制3D条形图

文章目录

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

python 复制代码

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

python 复制代码

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

python 复制代码

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

python 复制代码

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