Python+matplotlib+numpy实现在不同平面的二维条形图
更新时间：2018年01月02日 14:15:25 投稿：mengwei
这篇文章主要介绍了Python+matplotlib+numpy实现在不同平面的二维条形图，具有一定借鉴价值,需要的朋友可以参考下
在不同平面上绘制二维条形图。
本实例制作了一个3d图，其中有二维条形图投射到平面y=0，y=1，等。
演示结果：
完整代码：
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
# Fixing random state for reproducibility
np.random.seed(19680801)
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
colors = ['r', 'g', 'b', 'y']
yticks = [3, 2, 1, 0]
for c, k in zip(colors, yticks):
# Generate the random data for the y=k 'layer'.
xs = np.arange(20)
ys = np.random.rand(20)
# You can provide either a single color or an array with the same length as
# xs and ys. To demonstrate this, we color the first bar of each set cyan.
cs = [c] * len(xs)
cs[0] = 'c'
# Plot the bar graph given by xs and ys on the plane y=k with 80% opacity.
ax.bar(xs, ys, zs=k, zdir='y', color=cs, alpha=0.8)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
# On the y axis let's only label the discrete values that we have data for.
ax.set_yticks(yticks)
plt.show()
脚本运行时间：（0分0.063秒）
总结
以上就是本文关于Python+matplotlib+numpy实现在不同平面的二维条形图的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
相关文章
今天小编就为大家分享一篇python中return的返回和执行实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
在微信上突然看到“XXX撤回一条消息”的时候，心里痒不痒？现在就教你如何使用python实现消息防撤回的功能,本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值，感兴趣的朋友一起看看吧2019-04-04
django queryset 去重 .distinct()说明
这篇文章主要介绍了django queryset 去重 .distinct()说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
python numpy 部分排序 寻找最大的前几个数的方法
今天小编就为大家分享一篇python numpy 部分排序 寻找最大的前几个数，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-06-06
这篇文章主要介绍了python使用递归的方式建立二叉树，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
这篇文章主要介绍了Python多进程同步简单实现代码,涉及Python基于Process与Lock模块运行进程与锁机制实现多进程同步的相关技巧,需要的朋友可以参考下2016-04-04
python实现TCPserver是一件简单的事情,只要通过socket这个模块就可以实现,本文就来介绍一下python实现TCPserver的使用示例,感兴趣的可以了解一下2023-10-10
这篇文章主要介绍了Scrapy模拟登录赶集网的实现代码，本文通过代码图文相结合给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-07-07
运动目标检测是计算机视觉领域中的一个重要内容，其检测效果将会对目标跟踪与识别造成一定的影响，本文将介绍用Python来进行混合高斯模型运动目标检测，感兴趣的朋友快来看看吧2021-11-11
AutoEDA（自动探索性数据分析）工具库是数据科学中至关重要的一部分,它们能够自动生成数据摘要、探查数据的基本特征、检测异常值和提供可视化,为数据科学家和分析师们提供了解数据的便捷方式,本文为大家介绍常见的AutoEDA工具库及其功能和示例代码2024-01-01
最新评论