如何在Jupyter Notebook的3D坐标轴中绘制DataFrame多列直方图？

下面提供两种可行的实现方案，分别适配静态可视化和交互式可视化需求：

方法一：使用Matplotlib的bar3d（静态3D直方图） #

这种方式适合生成静态的3D直方图，核心是统一所有列的直方图区间，避免3D视图错位：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 替换为你的实际DataFrame
df = pd.DataFrame({
    'A': np.random.normal(0, 1, 1000),
    'B': np.random.normal(2, 1.5, 1000),
    'C': np.random.normal(-1, 0.8, 1000)
})

# 统一所有列的直方图区间，保证y轴刻度对齐
all_data = df.values.flatten()
bins = np.histogram_bin_edges(all_data, bins='auto')
bin_width = bins[1] - bins[0]

# 创建3D坐标轴
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')

# 遍历每一列绘制柱状图
for col_idx, col_name in enumerate(df.columns):
    counts, _ = np.histogram(df[col_name], bins=bins)
    # 设置柱子的位置参数
    x_pos = np.full(len(counts), col_idx)
    y_pos = bins[:-1]
    col_width = 0.8  # 列间间距，避免柱子重叠
    bin_depth = bin_width
    freq_height = counts
    
    ax.bar3d(x_pos, y_pos, 0, col_width, bin_depth, freq_height, shade=True)

# 设置坐标轴标签和刻度
ax.set_xlabel('Data Columns')
ax.set_xticks(range(len(df.columns)))
ax.set_xticklabels(df.columns)
ax.set_ylabel('Value Range')
ax.set_zlabel('Frequency')

plt.tight_layout()
plt.show()

关键说明： #

• 统一bins是核心：如果各列使用不同的区间，3D视图中y轴会错位，导致柱状图混乱
• col_width设为0.8是为了保留列间间隙，提升可读性
• shade=True添加3D阴影效果，增强视觉层次感

方法二：使用Plotly（交互式3D直方图，适合Jupyter） #

Plotly生成的交互式图表支持旋转、缩放，在Jupyter中体验更直观，代码也更简洁：

import plotly.express as px
import pandas as pd
import numpy as np

# 替换为你的实际DataFrame
df = pd.DataFrame({
    'A': np.random.normal(0, 1, 1000),
    'B': np.random.normal(2, 1.5, 1000),
    'C': np.random.normal(-1, 0.8, 1000)
})

# 将宽格式DataFrame转为长格式，适配Plotly输入要求
df_long = df.melt(var_name='Column', value_name='Value')

# 绘制3D直方图
fig = px.histogram_3d(df_long, 
                      x='Column', 
                      y='Value', 
                      z='Value', 
                      histfunc='count',
                      nbins_y=20)  # 可手动调整y轴区间数量

# 调整布局和标签
fig.update_layout(
    scene=dict(
        xaxis_title='Data Columns',
        yaxis_title='Value Range',
        zaxis_title='Frequency'
    ),
    height=600,
    width=800
)

fig.show()

关键说明： #

• melt方法将每列数据转为行格式，方便Plotly按列分组统计
• 生成的图表支持鼠标拖拽旋转、滚轮缩放，可直观查看各列分布的细节差异

内容的提问来源于stack exchange，提问作者Bettabus