在數(shù)據(jù)可視化的工具箱里，3D 圖表總能帶來(lái)眼前一亮的效果 —— 它突破了二維平面的限制，用立體空間展示多維度數(shù)據(jù)關(guān)系，讓復(fù)雜的數(shù)據(jù)層級(jí)一目了然。今天我們要解鎖的「3D 堆疊條形圖」，就是一種能同時(shí)呈現(xiàn)類(lèi)別、子類(lèi)別、數(shù)值大小的強(qiáng)大可視化工具，特別適合展示具有分層結(jié)構(gòu)的數(shù)據(jù)。無(wú)論是商業(yè)報(bào)表中的多維度業(yè)績(jī)分析，還是科研數(shù)據(jù)中的多指標(biāo)對(duì)比，它都能讓你的數(shù)據(jù)呈現(xiàn)瞬間高級(jí)起來(lái)～

為什么選擇 3D 堆疊條形圖

先聊聊這種圖表的獨(dú)特優(yōu)勢(shì)：

• 三維空間的信息密度：x 軸和 y 軸分別代表兩個(gè)獨(dú)立維度（如產(chǎn)品類(lèi)別、時(shí)間區(qū)間），z 軸通過(guò)堆疊高度展示多層數(shù)據(jù)（如不同子項(xiàng)的數(shù)值），單張圖表可容納傳統(tǒng)二維圖表 3 倍以上的信息。
• 堆疊邏輯的直觀性：每個(gè)基底條形代表 x-y 軸交點(diǎn)的整體數(shù)據(jù)，不同顏色的層疊部分清晰展示各子項(xiàng)的貢獻(xiàn)度，比如 “總銷(xiāo)售額 = 產(chǎn)品 A + 產(chǎn)品 B + 產(chǎn)品 C” 的結(jié)構(gòu)一目了然。
• 視覺(jué)沖擊力強(qiáng)：立體效果讓數(shù)據(jù)差異更具沖擊力，配合顏色和透明度調(diào)整，即使是復(fù)雜數(shù)據(jù)集也能輕松駕馭。

適合場(chǎng)景舉例：

• 企業(yè)季度報(bào)告：按「地區(qū)（x 軸）- 產(chǎn)品（y 軸）」展示「銷(xiāo)售額 / 成本 / 利潤(rùn)」的三層堆疊。
• 學(xué)術(shù)研究：在「實(shí)驗(yàn)條件（x 軸）- 樣本類(lèi)型（y 軸）」上展示「指標(biāo) 1 / 指標(biāo) 2 / 指標(biāo) 3」的數(shù)值對(duì)比。
• 教育數(shù)據(jù)分析：按「年級(jí)（x 軸）- 科目（y 軸）」呈現(xiàn)「及格率 / 優(yōu)秀率 / 平均分」的多層數(shù)據(jù)。

代碼實(shí)現(xiàn)：從數(shù)據(jù)到 3D 世界的搭建

先奉上完整代碼，我們將像拆解樂(lè)高積木一樣解析每個(gè)關(guān)鍵模塊：

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()

核心代碼逐行解析

階段一：數(shù)據(jù)準(zhǔn)備 —— 搭建數(shù)據(jù)立方體

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

• 這是用戶(hù)替換數(shù)據(jù)的核心區(qū)域！當(dāng)前代碼生成了一個(gè) 10x10x5 的三維數(shù)組，代表：
  • x 軸有 10 個(gè)類(lèi)別（num_x），比如 10 個(gè)銷(xiāo)售區(qū)域
  • y 軸有 10 個(gè)子類(lèi)別（num_y），比如 10 種產(chǎn)品
  • 每個(gè) (x,y) 交點(diǎn)有 5 層堆疊數(shù)據(jù)（num_stacks），比如 5 個(gè)季度的指標(biāo)
• 如何替換自己的數(shù)據(jù)？
  • 如果你有現(xiàn)成的三維數(shù)組（形狀為 [num_x, num_y, num_stacks]），直接替換data即可：

data = your_3d_data  # 例如從文件讀取的numpy數(shù)組

若數(shù)據(jù)是二維表格（如 Excel 中的長(zhǎng)表格），需要先轉(zhuǎn)換為三維結(jié)構(gòu)。例如，假設(shè)你的數(shù)據(jù)是：

可以用pandas重組數(shù)據(jù)： 

import pandas as pd
df = pd.read_csv('your_data.csv')
num_x = df['Variable1'].nunique()
num_y = df['Variable2'].nunique()
num_stacks = 3  # 假設(shè)堆疊層數(shù)為3
data = df.pivot_table(
    values=['Stack1', 'Stack2', 'Stack3'],
    index='Variable1',
    columns='Variable2'
).values.transpose(1, 0, 2)  # 調(diào)整維度順序?yàn)?num_x, num_y, num_stacks)

階段二：場(chǎng)景搭建 —— 創(chuàng)建 3D 畫(huà)布 

• projection='3d'是激活三維坐標(biāo)軸的關(guān)鍵，Matplotlib 的Axes3D類(lèi)會(huì)負(fù)責(zé)處理立體空間的渲染。
• 可以通過(guò)fig.set_size_inches(10, 8)調(diào)整畫(huà)布大小，數(shù)據(jù)量較大時(shí)建議增大畫(huà)布，避免條形過(guò)于擁擠。

階段三：主體繪制 —— 堆疊條形的魔法循環(huán)

x_positions = np.arange(1, num_x + 1)
y_positions = np.arange(1, num_y + 1)
dx = dy = 0.5  # 條形的寬度和深度

• x_positions和y_positions定義了每個(gè)基底條形在 x-y 平面的位置，默認(rèn)從 1 開(kāi)始（避免坐標(biāo) 0 導(dǎo)致的視覺(jué)混淆）。
• dx和dy控制條形的寬度和深度（三維中的 x 和 y 方向尺寸），數(shù)值越小，條形越纖細(xì)；建議設(shè)置為小于 1 的值（如 0.8），留出條形間的間隔。

for i, x in enumerate(x_positions):
    for j, y in enumerate(y_positions):
        bottom = 0  # 堆疊基底高度初始化為0
        for k in range(num_stacks):
            dz = data[i, j, k]  # 第k層的高度
            ax.bar3d(x, y, bottom, dx, dy, dz, alpha=0.8)  # 繪制單層條形
            bottom += dz  # 基底高度累加上當(dāng)前層高度

這是三層嵌套循環(huán)，核心邏輯是：

• 外層循環(huán)遍歷 x 軸每個(gè)類(lèi)別（i 對(duì)應(yīng) x_positions 的索引）
• 中層循環(huán)遍歷 y 軸每個(gè)子類(lèi)別（j 對(duì)應(yīng) y_positions 的索引）
• 內(nèi)層循環(huán)遍歷每個(gè)堆疊層（k 對(duì)應(yīng) num_stacks），從基底開(kāi)始逐層疊加

ax.bar3d的參數(shù)解析：

• x, y：條形在 x-y 平面的中心坐標(biāo)
• bottom：條形底部在 z 軸的起始位置（即下層條形的頂部高度）
• dx, dy：條形在 x 和 y 方向的寬度（建議保持一致以避免視覺(jué)變形）
• dz：條形在 z 軸的高度（即當(dāng)前層的數(shù)據(jù)值）
• alpha=0.8：設(shè)置透明度，避免多層堆疊時(shí)顏色過(guò)深遮擋數(shù)據(jù)

細(xì)節(jié)優(yōu)化

1. 顏色定制：給每層條形穿上不同的 “外衣”

當(dāng)前代碼使用默認(rèn)顏色，可能導(dǎo)致多層堆疊時(shí)難以區(qū)分?？梢酝ㄟ^(guò)color參數(shù)自定義每層顏色：

# 定義每層的顏色（建議使用明度差異大的顏色）
stack_colors = ['#FF5733', '#33FF57', '#3357FF', '#FF33F7', '#F7FF33']

# 在繪制時(shí)傳入顏色
ax.bar3d(x, y, bottom, dx, dy, dz, color=stack_colors[k], alpha=0.8)

2. 坐標(biāo)軸優(yōu)化：讓標(biāo)簽清晰易讀 

ax.set_xticks(x_positions)  # 設(shè)置x軸刻度為實(shí)際位置
ax.set_yticks(y_positions)  # 設(shè)置y軸刻度為實(shí)際位置
ax.tick_params(axis='x', labelsize=8, rotation=15)  # 旋轉(zhuǎn)x軸標(biāo)簽避免重疊
ax.tick_params(axis='y', labelsize=8, rotation=10)  # 微調(diào)y軸標(biāo)簽角度

3. 視角調(diào)整：找到最佳觀察角度 

ax.view_init(elev=30, azim=45)  # elev：仰角，azim：方位角
# 常用組合：
# 正前方視角：elev=90, azim=0
# 俯視視角：elev=60, azim=30

4. 添加數(shù)據(jù)標(biāo)簽：讓數(shù)值一目了然（進(jìn)階） 

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]
            # 計(jì)算條形頂部中心坐標(biāo)
            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. 背景與網(wǎng)格：提升視覺(jué)舒適度 

ax.grid(False)  # 關(guān)閉默認(rèn)網(wǎng)格，避免干擾
ax.xaxis.set_pane_color((1.0, 1.0, 1.0, 0.0))  # 透明化坐標(biāo)軸背景
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))

應(yīng)用場(chǎng)景：3D 堆疊圖的實(shí)戰(zhàn)案例

案例 1：電商平臺(tái)多維度銷(xiāo)售分析

• x 軸：省份（10 個(gè)地區(qū)）
• y 軸：產(chǎn)品類(lèi)別（10 種商品）
• 堆疊層：銷(xiāo)售額、成本、利潤(rùn)、訂單量、退貨量（5 層數(shù)據(jù)）
  通過(guò)顏色區(qū)分各層，能快速定位 “高銷(xiāo)售額但高退貨” 的異常區(qū)域，或 “低成本高利潤(rùn)” 的明星產(chǎn)品組合。

案例 2：氣候數(shù)據(jù)多指標(biāo)對(duì)比

• x 軸：月份（12 個(gè)月）
• y 軸：城市（5 個(gè)代表城市）
• 堆疊層：降水量、平均氣溫、濕度、風(fēng)速、日照時(shí)長(zhǎng)（5 層數(shù)據(jù)）
  立體展示讓不同城市的氣候特征對(duì)比更直觀，比如 “某城市夏季降水量遠(yuǎn)高于其他城市” 的模式一目了然。

案例 3：教育領(lǐng)域?qū)W生表現(xiàn)分析

• x 軸：學(xué)科（語(yǔ)文、數(shù)學(xué)、英語(yǔ)等 8 科）
• y 軸：班級(jí)（6 個(gè)班級(jí)）
• 堆疊層：平均分、優(yōu)秀率、及格率、低分率、缺考率（5 層數(shù)據(jù)）
  幫助教育管理者快速發(fā)現(xiàn) “某班級(jí)數(shù)學(xué)及格率低但優(yōu)秀率高” 的兩極分化現(xiàn)象，或 “某學(xué)科全年級(jí)缺考率異常” 的問(wèn)題。

避坑指南：3D 圖表的常見(jiàn)問(wèn)題與解決方案

數(shù)據(jù)遮擋問(wèn)題

• 現(xiàn)象：上層條形遮擋下層數(shù)據(jù)，尤其是堆疊層數(shù)多或透明度低時(shí)。
• 解決方案：
  • 增加透明度（alpha=0.6）
  • 調(diào)整視角，讓上層條形 “傾斜” 露出下層（通過(guò)view_init設(shè)置仰角和方位角）
  • 減少堆疊層數(shù)（建議不超過(guò) 6 層，超過(guò)后信息會(huì)過(guò)載）

性能卡頓

• 現(xiàn)象：數(shù)據(jù)量過(guò)大（如 20x20x10）時(shí)，繪圖速度變慢。
• 解決方案：
  • 簡(jiǎn)化數(shù)據(jù)：對(duì)稀疏數(shù)據(jù)進(jìn)行聚合（如求平均值）
  • 降低圖形復(fù)雜度：減小dx/dy值，或關(guān)閉不必要的網(wǎng)格和背景渲染

顏色混淆

• 現(xiàn)象：相近顏色的堆疊層難以區(qū)分。
• 解決方案：
  • 使用色盲友好調(diào)色板（如plt.cm.tab10）
  • 在每層條形頂部添加數(shù)據(jù)標(biāo)簽（見(jiàn)前文代碼）
  • 在圖例中說(shuō)明各層顏色對(duì)應(yīng)的含義（需額外編寫(xiě)圖例代碼）

進(jìn)階玩法：讓 3D 圖表更動(dòng)態(tài)

1. 交互式旋轉(zhuǎn)與縮放

Matplotlib 默認(rèn)支持鼠標(biāo)交互：

左鍵拖動(dòng)：旋轉(zhuǎn)視角

右鍵拖動(dòng)：平移畫(huà)布

滾輪：縮放視圖

配合plt.ion()（交互模式），可以在 Jupyter Notebook 中實(shí)時(shí)調(diào)整視角。

2. 動(dòng)畫(huà)效果（生成 GIF）

from matplotlib.animation import FuncAnimation

def update(frame):
    ax.view_init(elev=30, azim=frame)  # 動(dòng)態(tài)改變方位角
    return fig,

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

3. 與其他圖表結(jié)合

將 3D 堆疊圖與 2D 趨勢(shì)圖組合，形成多視圖儀表盤(pán)：

fig, (ax3d, ax2d) = plt.subplots(1, 2, figsize=(15, 6), subplot_kw={'projection': '3d'})
# 在ax3d繪制堆疊圖，在ax2d繪制x軸總和的折線圖

結(jié)語(yǔ)：讓數(shù)據(jù)在三維空間中舞動(dòng)

3D 堆疊條形圖就像一個(gè)數(shù)據(jù)舞臺(tái)，每個(gè)條形都是舞臺(tái)上的舞者，用高度和顏色演繹數(shù)據(jù)的故事。通過(guò)今天的教程，你已經(jīng)掌握了從數(shù)據(jù)準(zhǔn)備到細(xì)節(jié)優(yōu)化的全流程，現(xiàn)在只差替換成你自己的數(shù)據(jù)啦！

替換數(shù)據(jù)的關(guān)鍵步驟回顧：

• 確保你的數(shù)據(jù)是三維數(shù)組，形狀為[num_x, num_y, num_stacks]
• 替換代碼中data = np.random.randint(...)這一行，直接賦值為你的數(shù)據(jù)
• 根據(jù)數(shù)據(jù)含義修改坐標(biāo)軸標(biāo)簽（set_xlabel/set_ylabel/set_zlabel）和標(biāo)題

快去試試吧！無(wú)論是分析商業(yè)數(shù)據(jù)還是科研成果，這種立體可視化方式都會(huì)讓你的報(bào)告瞬間提升一個(gè)檔次～

到此這篇關(guān)于使用Python繪制3D堆疊條形圖全解析的文章就介紹到這了,更多相關(guān)Python繪制3D堆疊條形圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！