如何在Python的3D图中堆叠多组小提琴图（多传感器多分类场景）

核心思路 #

借助Matplotlib的3D坐标轴，将8个传感器对应的三类小提琴图分别绘制在不同的Z轴高度上，通过调整X轴偏移量和图形透明度，实现清晰的堆叠效果。

实现代码示例 #

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 模拟8个传感器的三类数据（替换为你的真实数据集）
np.random.seed(42)
sensor_data = []
for _ in range(8):
    p1 = np.random.normal(loc=-1, scale=0.8, size=1000)
    p2 = np.random.normal(loc=0, scale=1.2, size=1000)
    p3 = np.random.normal(loc=1, scale=0.9, size=1000)
    sensor_data.append([p1, p2, p3])

# 创建3D画布
fig = plt.figure(figsize=(12, 8), dpi=150)
ax = fig.add_subplot(projection='3d')

# 定义Z轴位置（对应8个传感器）和X轴偏移（避免同类重叠）
z_positions = np.arange(8)
x_offsets = np.array([-0.3, 0, 0.3])

# 遍历每个传感器绘制小提琴图
for z_idx, (z, data) in enumerate(zip(z_positions, sensor_data)):
    for x_idx, (x_off, class_data) in enumerate(zip(x_offsets, data)):
        # 绘制2D小提琴图
        violin = sns.violinplot(x=[x_off]*len(class_data), y=class_data, 
                                ax=ax, color=f'C{x_idx}', alpha=0.7, width=0.25)
        # 将2D路径转换为3Z轴对应高度
        for path in violin.collections:
            path._paths = [path._paths[0].transformed(
                ax.transData + plt.Affine2D().translate(0, 0, z)
            )]
    ax.clear()  # 清除临时轴元素，避免重复

# 设置3D轴标签与刻度
ax.set_xlabel('类别')
ax.set_xticks([0])
ax.set_xticklabels(['P1', 'P2', 'P3'])
ax.set_ylabel('幅值 (V) x$10^4$')
ax.set_zlabel('传感器编号')
ax.set_zticks(z_positions)
ax.set_zticklabels([f'传感器{i+1}' for i in range(8)])
ax.set_ylim([-3.8, 3.8])

# 添加图例
from matplotlib.patches import Patch
legend_elements = [Patch(facecolor=f'C{i}', alpha=0.7, label=f'P{i+1}') for i in range(3)]
ax.legend(handles=legend_elements, loc='upper right')

plt.tight_layout()
plt.show()

关键细节 #

• Z轴空间映射：通过plt.Affine2D().translate()将2D小提琴图的路径坐标转换到3D空间的对应Z高度，实现堆叠。
• X轴偏移处理：给每类数据添加小幅度X偏移，避免同一传感器下的三个小提琴图重叠。
• 透明度优化：设置alpha=0.7让后方图形部分可见，增强3D层次感。

内容的提问来源于stack exchange，提问作者dr_hesp