前期我们已经学习过2D和3D的直方图绘制：
二维常规直方图绘制：python画图|水平直方图绘制_绘制水平直方图-CSDN博客
二维极坐标直方图绘制：python画图|极坐标中画直方图_ax1.plot()怎么画直方图-CSDN博客
三维直方图绘制：python画图|3D直方图基础教程-CSDN博客
三维直方图绘制进阶：python画图|3D bar进阶探索-CSDN博客
现在我们尝试在三维空间上画二维的直方图。
【1】官网教程
打开官网教程，看到漂亮的2D直方图位于不同的平面上：
Create 2D bar graphs in different planes — Matplotlib 3.9.2 documentation
代码非常简洁，因此尝试做一下解读。
【2】代码解读
首先是numpy计算模块和matplot画图模块的引入：
import matplotlib.pyplot as plt #引入matplotlib模块画图 import numpy as np #引入numpy模块做数学计算
然后定义了随机数种子和要画图：
# Fixing random state for reproducibility np.random.seed(19680801) #定义随机数种子 fig = plt.figure() #定义要画图 ax = fig.add_subplot(projection='3d') #定义要画3D图
之后设定了color、yticks矩阵，并使用for循环对其输出以画图：
colors = ['r', 'g', 'b', 'y'] #定义颜色矩阵
yticks = [3, 2, 1, 0] #定义Y轴显示的坐标值
for c, k in zip(colors, yticks): #定义for循环
# Generate the random data for the y=k 'layer'.
xs = np.arange(20) #xs取值0,1,2...20
ys = np.random.rand(20) #ys为1行20列随机矩阵
# 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) #因变量定义
cs[0] = 'c' #定义cs[0]
# 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) #输出直方图，zs表示画图平面
上述代码中：
【a】xs = np.arange(20) 表示xs取值0,1,2..,19；
【b】ys = np.random.rand(20) 表示ys为1行20列随机矩阵，这个随机矩阵已经提前用np.random.seed(19680801)定义了随机数种子。
【c】cs = [c] * len(xs) 表达的意思是：有多少个[c]，[c]代表颜色，xs数组的长度是20，所以就是有20个[c]，表明一共有20个直方图用了同一种颜色。
【d】cs[0] = 'c'，约定了第一个直方图的颜色是cyan青绿色。
【e】zs=k, zdir='y'是指画图平面的位置，Z平面位于y=k轴。
最后设置了坐标，并输出图形：
ax.set_xlabel('X') #定义X轴
ax.set_ylabel('Y') #定义Y轴
ax.set_zlabel('Z') #定义Z轴
# On the y-axis let's only label the discrete values that we have data for.
ax.set_yticks(yticks) #将yticks输出
plt.show() #输出图形
图1
由图1可见，所有平面上的直方图，第一个图形总是青绿色。
至此带注释的完整代码为：
python">import matplotlib.pyplot as plt #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算
# Fixing random state for reproducibility
np.random.seed(19680801) #定义随机数种子
fig = plt.figure() #定义要画图
ax = fig.add_subplot(projection='3d') #定义要画3D图
colors = ['r', 'g', 'b', 'y'] #定义颜色矩阵
yticks = [3, 2, 1, 0] #定义Y轴显示的坐标值
for c, k in zip(colors, yticks): #定义for循环
# Generate the random data for the y=k 'layer'.
xs = np.arange(20) #xs取值0,1,2...20
ys = np.random.rand(20) #ys取值随机，范围[0,20)
# 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) #因变量定义
cs[0] = 'c' #定义cs[0]
# 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) #输出直方图，zs表示画图平面
ax.set_xlabel('X') #定义X轴
ax.set_ylabel('Y') #定义Y轴
ax.set_zlabel('Z') #定义Z轴
# On the y-axis let's only label the discrete values that we have data for.
ax.set_yticks(yticks) #将yticks输出
plt.show() #输出图形【3】代码修改
【3.1】直方图颜色设置
尝试不执行cs[0] = 'c'，也就是不限定第一个矩形的值。将其改为注释：
#cs[0] = 'c' #定义cs[0]
输出图形为：
图2
由图2可见，所有平面上的第一个直方图已经不再是青绿色，而是和同平面其他方块一致。
【3.2】直方图平面设置
在前述加注释过程中，已经发现直方图平面设置在Y轴，现在尝试将其转移到X轴：
ax.bar(xs, ys, zs=k, zdir='x', color=cs, alpha=0.8)
此时的输出结果为：
图3
转移到Z轴：
ax.bar(xs, ys, zs=k, zdir='z', color=cs, alpha=0.8)
图4
【4】代码优化
图形虽然展示了坐标轴，但是没有图名，因此尝试增加图名。
ax.set_title('3D plot which has 2D bar graphs')
为了让坐标轴等突出，设置坐标轴的颜色：
ax.set_xlabel('X',color="g") #定义X轴
ax.set_ylabel('Y',color="g") #定义Y轴
ax.set_zlabel('Z',color="g") #定义Z轴
对比不同形式的图形，增加散点图绘制：
# 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) # 输出直方图，zs表示画图平面 ax.scatter(xs, ys, zs=k, zdir='y', color=cs1, alpha=0.8) #输出直方图，zs表示画图平面
在散点图中出现color1，需要往前追溯，增加cs1定义和输出：
colors = ['r', 'g', 'b', 'y'] #定义颜色矩阵
colors1 = ['b', 'y', 'r', 'g'] #定义颜色矩阵
yticks = [3, 2, 1, 0] #定义Y轴显示的坐标值
for c, k ,c1 in zip(colors, yticks,colors1): #定义for循环
# Generate the random data for the y=k 'layer'.
xs = np.arange(20) #xs取值0,1,2...20
ys = np.random.rand(20) #ys取值随机，范围[0,20)
# 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) #因变量定义
cs1= [c1] * len(xs) #因变量定义
输出图形为：
图5
输出结果如图5所示，同时绘制了散点图和直方图，且散点图位于直方图的顶端。
至此的完整代码为：
python">import matplotlib.pyplot as plt #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算
# Fixing random state for reproducibility
np.random.seed(19680801) #定义随机数种子
fig = plt.figure() #定义要画图
ax = fig.add_subplot(projection='3d') #定义要画3D图
colors = ['r', 'g', 'b', 'y'] #定义颜色矩阵
colors1 = ['b', 'y', 'r', 'g'] #定义颜色矩阵
yticks = [3, 2, 1, 0] #定义Y轴显示的坐标值
for c, k ,c1 in zip(colors, yticks,colors1): #定义for循环
# Generate the random data for the y=k 'layer'.
xs = np.arange(20) #xs取值0,1,2...20
ys = np.random.rand(20) #ys取值随机，范围[0,20)
# 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) #因变量定义
cs1= [c1] * len(xs) #因变量定义
#cs[0] = 'c' #定义cs[0]
# 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) # 输出直方图，zs表示画图平面
ax.scatter(xs, ys, zs=k, zdir='y', color=cs1, alpha=0.8) #输出直方图，zs表示画图平面
ax.set_xlabel('X',color="g") #定义X轴
ax.set_ylabel('Y',color="g") #定义Y轴
ax.set_zlabel('Z',color="g") #定义Z轴
ax.set_title('3D plot which has 2D bar graphs')
# On the y-axis let's only label the discrete values that we have data for.
ax.set_yticks(yticks) #将yticks输出
ax.set_zlim(-0.1, 1.5) #设置Z轴
plt.show() #输出图形【5】总结
学习了在三维坐标上绘制二维直方图，设置了坐标，修改了第一个直方图的颜色，并尝试了散点图和直方图的同时输出。
