Python 带matplotlib的堆叠三维条形图

我使用以下代码制作了一个简单的3d条形图：

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111, projection = "3d")

ax.set_xlabel("x")
ax.set_ylabel("y") 
ax.set_zlabel("z")
ax.set_xlim3d(0,10)
ax.set_ylim3d(0,10) 
ax.set_zlim3d(0,2)

xpos = [2,5,8,2,5,8,2,5,8]
ypos = [1,1,1,5,5,5,9,9,9]
zpos = np.zeros(9)

dx = np.ones(9)
dy = np.ones(9)
dz = np.ones(9)

ax.bar3d(xpos, ypos, zpos, dx, dy, dz)
plt.gca().invert_xaxis()
plt.show()

把这当作一个测试，到目前为止一切似乎都很清楚。我只是想知道如何以堆叠的方式绘制这9个条中的每一条，例如，每个条被分成4个部分，组成整个条

基本上，我想用例子的方式来做这件事

但是我想要4个而不是2个堆栈。从我现在的观点出发，有什么想法吗？每一个暗示都将不胜感激

谢谢

编辑：如果我想为每个堆叠条实现给定值，例如：

...
z = [np.array([ 0.2, 0.6, 0.3, 0.6, 0.4, 0.3, 0.8, 0.5,  0.7]), 
     np.array([ 0.8, 0.4, 0.5, 0.2, 0.8, 0.7, 0.4, 0.2,  0.9]),
     np.array([ 0.1, 0.2, 0.4, 0.4, 0.2, 0.6, 0.3, 0.6,  0.9]),
     np.array([ 0.9, 0.5, 0.7, 0.2, 0.5, 0.6, 0.7, 0.9,  0.7])]
dz = [z for i in range(4)]
...

---

这似乎不起作用，我不知道为什么？

要制作堆叠的三维条形图，您可以累积

dz

值，并将其用作下一个条形图的基础。下面是一个例子：

---

我也做了类似的事情，但使用matplotlib绘制深度信息的方法可能会遇到困难。我的答案应该适用于你的问题，只是你需要更改

zpos

而不是条形图的颜色/不透明度。这看起来确实很好。和我想象的一样，谢谢！如果我有每个堆栈（和颜色）的值，例如，我的第一个条形图由值v=[0.5,0.2,0.6,0.9]-组成，并且这些值随条形图的不同而变化：我如何在变量dz中输入它们？在设置时，dz是4个数组的列表，每个数组中的元素是所有条形图的单个级别的高度（例如，第一个数组是所有红色条，第二个数组是所有蓝色条，等等）。我这样做只是为了配合你的计划大纲。总的来说，如果你有一个想要使用的数据结构，在问题陈述中给出它是很有帮助的，因为这些东西在评论中很难解决。我在原始问题中为我的数据添加了一个示例。也许你可以帮助我？

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111, projection = "3d")

ax.set_xlabel("x")
ax.set_ylabel("y") 
ax.set_zlabel("z")
ax.set_xlim3d(0,10)
ax.set_ylim3d(0,10) 

xpos = [2,5,8,2,5,8,2,5,8]
ypos = [1,1,1,5,5,5,9,9,9]
zpos = np.zeros(9)

dx = np.ones(9)
dy = np.ones(9)
dz = [np.random.random(9) for i in range(4)]  # the heights of the 4 bar sets

_zpos = zpos   # the starting zpos for each bar
colors = ['r', 'b', 'g', 'y']
for i in range(4):
    ax.bar3d(xpos, ypos, _zpos, dx, dy, dz[i], color=colors[i])
    _zpos += dz[i]    # add the height of each bar to know where to start the next

plt.gca().invert_xaxis()
plt.show()