用python绘制3D条形图 [英] Plot a 3D bar histogram with python

问题描述

我有一些x和y数据，我想用这些数据生成3D直方图，并带有颜色渐变（bwr或其他颜色）。

我编写了一个脚本，绘制了x和y脓肿的有趣值，介于-2和2之间：

  import numpy as np 
 import numpy.random 
 import matplotlib.pyplot as plt 
 
＃生成一些测试数据
x = np.random.randn（500）
y = np.random.randn（500）
 
 XY = np.stack（（x，y），axis = -1） 
 
 def选择（XY，limitXY = [[-2，+ 2]，[-2，+ 2]]）：
 XY_select = [] 
表示yel ：如果elt [0]> 
 limitXY [0] [0]和elt [0]< limitXY [0] [1]和elt [1]> limitXY [1] [0]和elt [1]< limitXY [1] [1]：
 XY_select.append（elt）
 
返回np.array（XY_select）
 
 XY_select =选择（XY，limitXY = [ [-2，+ 2]，[-2，+ 2]]）
 
热图，xedges，yedges = np.histogram2d（XY_select [：，0]，XY_select [：，1]，bins = 7，范围= [[-2,2]，[-2,2]]）
范围= [xedges [0]，xedges [-1]，yedges [0]，yedges [-1]] 
 
 
 plt.figure（直方图）
＃plt.clf（）
 plt.imshow（heatmap.T，range = extent，origin ='lower '）
 plt.show（）
  

给出正确的结果：

现在，我想将其转换为3D直方图。不幸的是，我无法成功使用 bar3d 正确绘制它，因为默认情况下，它需要使用x和y的长度来表示脱落。

我非常确定，有一种非常简单的方法可以使用imshow在3D中进行绘制。就像一个未知的选项...

解决方案

我最终成功做到了。我几乎可以肯定有更好的方法可以做到这一点，但在有效的情况下：

  import numpy as np 
导入numpy.random 
导入matplotlib.pyplot as plt 
 
＃生成一些测试数据
x = np.random.randn（500）
y = np.random .randn（500）
 
 XY = np.stack（（x，y），axis = -1）
 
 def selection（XY，limitXY = [[-2， +2]，[-2，+ 2]]）：
 XY_select = [] 
表示yel XY：
如果elt [0]> limitXY [0] [0]和elt [0]< limitXY [0] [1]和elt [1]> limitXY [1] [0]和elt [1]< limitXY [1] [1]：
 XY_select.append（elt）
 
返回np.array（XY_select）
 
 XY_select =选择（XY，limitXY = [ [-2，+ 2]，[-2，+ 2]]）
 
 
 xAmplitudes = np.array（XY_select）[:, 0]＃此处的数据
 yAmplitudes = np.array（XY_select）[:, 1]＃此处的其他数据
 
 
图= plt.figure（）＃创建画布，告诉matplotlib它是3d 
 ax = fig.add_subplot（111，projection ='3d'）
 
 
 hist，xedges，yedges = np.histogram2d（x，y，bins =（7,7），range = [[-2，+ 2]，[-2，+ 2]]）＃您可以更改垃圾箱，并且获取数据的范围
＃hist是7X7矩阵，其中每个人口子空间部分。 
 xpos，ypos = np.meshgrid（xedges [：-1] + xedges [1：]，yedges [：-1] + yedges [1：]）-（xedges [1] -xedges [0]） 
 
 
 xpos = xpos.flatten（）* 1./2 
 ypos = ypos.flatten（）* 1.2 / 2 
 zpos = np.zeros_like（ xpos）
 
 dx =边缘[1]-边缘[0] 
 dy =边缘[1]-边缘[0] 
 dz = hist.flatten（）
 
 cmap = cm.get_cmap（'jet'）＃获取所需的颜色图-您可以更改它！ 
 max_height = np.max（dz）＃获取颜色条的范围，因此我们可以规范化
 min_height = np.min（dz）
＃将每个z缩放为[0,1]，并获得它们的rgb值
 rgba = [d中k中的k的cmap（（k-min_height）/ max_height）] 
 
 ax.bar3d（xpos，ypos，zpos，dx，dy，dz，颜色= rgba，zsort ='average'）
 plt.title（ ____数据的X与Y幅度）
 plt.xlabel（我的X数据源）
 plt.ylabel （我的Y数据源）
 plt.savefig（ Your_title_goes_here）
 plt.show（）
  

我使用以下

I have some x and y data, with which I would like to generate a 3D histogram, with a color gradient (bwr or whatever).

I have written a script which plot the interesting values, in between -2 and 2 for both x and y abscesses:

import numpy as np
import numpy.random
import matplotlib.pyplot as plt

# To generate some test data
x = np.random.randn(500)
y = np.random.randn(500)

XY = np.stack((x,y),axis=-1)

def selection(XY, limitXY=[[-2,+2],[-2,+2]]):
        XY_select = []
        for elt in XY:
            if elt[0] > limitXY[0][0] and elt[0] < limitXY[0][1] and elt[1] > limitXY[1][0] and elt[1] < limitXY[1][1]:
                XY_select.append(elt)

        return np.array(XY_select)

XY_select = selection(XY, limitXY=[[-2,+2],[-2,+2]])

heatmap, xedges, yedges = np.histogram2d(XY_select[:,0], XY_select[:,1], bins = 7, range = [[-2,2],[-2,2]])
extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]


plt.figure("Histogram")
#plt.clf()
plt.imshow(heatmap.T, extent=extent, origin='lower')
plt.show()

And give this correct result:

Now, I would like to turn this into a 3D histogram. Unfortunatly I don't success to plot it correctly with bar3d because it takes by default the length of x and y for abscisse.

I am quite sure that there is a very easy way to plot this in 3D with imshow. Like an unknow option...

解决方案

I finaly succeded in doing it. I am almost sure there is a better way to do it, but at leat it works:

import numpy as np
import numpy.random
import matplotlib.pyplot as plt

# To generate some test data
x = np.random.randn(500)
y = np.random.randn(500)

XY = np.stack((x,y),axis=-1)

def selection(XY, limitXY=[[-2,+2],[-2,+2]]):
        XY_select = []
        for elt in XY:
            if elt[0] > limitXY[0][0] and elt[0] < limitXY[0][1] and elt[1] > limitXY[1][0] and elt[1] < limitXY[1][1]:
                XY_select.append(elt)

        return np.array(XY_select)

XY_select = selection(XY, limitXY=[[-2,+2],[-2,+2]])


xAmplitudes = np.array(XY_select)[:,0]#your data here
yAmplitudes = np.array(XY_select)[:,1]#your other data here


fig = plt.figure() #create a canvas, tell matplotlib it's 3d
ax = fig.add_subplot(111, projection='3d')


hist, xedges, yedges = np.histogram2d(x, y, bins=(7,7), range = [[-2,+2],[-2,+2]]) # you can change your bins, and the range on which to take data
# hist is a 7X7 matrix, with the populations for each of the subspace parts.
xpos, ypos = np.meshgrid(xedges[:-1]+xedges[1:], yedges[:-1]+yedges[1:]) -(xedges[1]-xedges[0])


xpos = xpos.flatten()*1./2
ypos = ypos.flatten()*1./2
zpos = np.zeros_like (xpos)

dx = xedges [1] - xedges [0]
dy = yedges [1] - yedges [0]
dz = hist.flatten()

cmap = cm.get_cmap('jet') # Get desired colormap - you can change this!
max_height = np.max(dz)   # get range of colorbars so we can normalize
min_height = np.min(dz)
# scale each z to [0,1], and get their rgb values
rgba = [cmap((k-min_height)/max_height) for k in dz] 

ax.bar3d(xpos, ypos, zpos, dx, dy, dz, color=rgba, zsort='average')
plt.title("X vs. Y Amplitudes for ____ Data")
plt.xlabel("My X data source")
plt.ylabel("My Y data source")
plt.savefig("Your_title_goes_here")
plt.show()

I use this example, but I modified it, because it introduced an offset. The result is this:

这篇关于用python绘制3D条形图的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！