0
点赞
收藏
分享

微信扫一扫

【免费】基于matlab绘制三维柱形图

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

⛄ 内容介绍

在数据可视化领域中,三维柱形图是一种常用的图表类型,用于展示三维空间中的数据分布情况。Matlab作为一种功能强大的数据分析和可视化工具,提供了丰富的绘图函数和工具包,使得绘制三维柱形图变得简单而直观。

绘制三维柱形图的过程可以分为以下几个步骤:

  1. 准备数据:首先,我们需要准备好要绘制的数据。这些数据可以是实验测量结果、统计数据或任何其他类型的数值数据。在Matlab中,我们可以使用矩阵或向量来表示这些数据。
  2. 创建图形窗口:在绘制三维柱形图之前,我们需要创建一个图形窗口,用于显示我们的图表。可以使用Matlab中的figure函数来创建一个新的图形窗口。
  3. 绘制柱形图:使用Matlab中的bar3color函数来绘制三维柱形图。该函数接受一个矩阵或向量作为输入,并根据数据的值绘制相应高度的柱形。可以通过设置不同的参数来自定义柱形的外观,例如颜色、边框等。
  4. 添加标签和标题:为了增加图表的可读性,我们可以添加标签和标题。可以使用Matlab中的xlabelylabelzlabel函数来添加坐标轴标签,使用title函数来添加标题。
  5. 设置视角和光照:为了更好地展示三维柱形图的立体效果,我们可以调整视角和光照设置。Matlab中的view函数可以用来设置视角,而light函数可以用来设置光照。
  6. 添加图例:如果我们在三维柱形图中使用了多个数据系列,我们可以添加一个图例来区分不同的数据系列。可以使用Matlab中的legend函数来添加图例。
  7. 保存图表:最后,我们可以使用Matlab中的saveas函数将绘制好的三维柱形图保存为图片或其他常见的图像格式。

综上所述,使用Matlab绘制三维柱形图是一种简单而直观的方法,可以帮助我们更好地理解和展示数据。通过准备数据、创建图形窗口、绘制柱形图、添加标签和标题、设置视角和光照、添加图例以及保存图表,我们可以轻松地创建出具有良好可读性和视觉效果的三维柱形图。无论是在科学研究、工程分析还是商业决策中,三维柱形图都是一种非常有用的工具,可以帮助我们更好地理解和分析数据。

⛄ 完整代码

创建2个文件复制黏贴就行

close all

subplot(1,2,1), bar3(peaks(5))
subplot(1,2,2), bar3(rand(5),'stacked')

function hh = bar3color(varargin)
%BAR3   3-D bar graph.
%   BAR3(Y,Z) draws the columns of the M-by-N matrix Z as vertical 3-D
%   bars.  The vector Y must be monotonically increasing or
%   decreasing. 
%
%   BAR3(Z) uses the default value of Y=1:M.  For vector inputs,
%   BAR3(Y,Z) or BAR3(Z) draws LENGTH(Z) bars.  The colors are set by
%   the colormap.
%
%   BAR3(Y,Z,WIDTH) or BAR3(Z,WIDTH) specifies the width of the
%   bars. Values of WIDTH > 1, produce overlapped bars.  The default
%   value is WIDTH=0.8
%
%   BAR3(...,'detached') produces the default detached bar chart.
%   BAR3(...,'grouped') produces a grouped bar chart.
%   BAR3(...,'stacked') produces a stacked bar chart.
%   BAR3(...,LINESPEC) uses the line color specified (one of 'rgbymckw').
%
%   BAR3(AX,...) plots into AX instead of GCA.
%
%   H = BAR(...) returns a vector of surface handles in H.
%
%   Example:
%       subplot(1,2,1), bar3(peaks(5))
%       subplot(1,2,2), bar3(rand(5),'stacked')
%
%   See also BAR, BARH, and BAR3H.

%   Mark W. Reichelt 8-24-93
%   Revised by CMT 10-19-94, WSun 8-9-95
%   Copyright 1984-2005 The MathWorks, Inc.
%   $Revision: 1.30.6.5 $  $Date: 2005/04/28 19:55:59 $
%   Modified to make colored bars based upon the z height values 
%   William J. Murphy National Institute for Occupational Safety and Health
%   March 31, 2016 (updated BSC license).

error(nargchk(1,inf,nargin,'struct'));
[cax,args] = axescheck(varargin{:});

[msg,x,y,xx,yy,linetype,plottype,barwidth,zz] = makebars(args{:},'3');
if ~isempty(msg), error(msg); end %#ok

m = size(y,2);
% Create plot
cax = newplot(cax);
fig = ancestor(cax,'figure');

next = lower(get(cax,'NextPlot'));
hold_state = ishold(cax);
edgec = get(fig,'defaultaxesxcolor');
facec = 'flat';
h = []; 
cc = ones(size(yy,1),4);

if ~isempty(linetype)
    facec = linetype;
end
% Added processing for making the bars colored by height
mycolor = zz;
mycolor(:,1:4:end) = mycolor(:,1:4:end) + mycolor(:,2:4:end);
mycolor(:,4:4:end) = mycolor(:,4:4:end) + mycolor(:,3:4:end);
mycolor(1:6:end,:) = mycolor(1:6:end,:)+mycolor(2:6:end,:);
mycolor((4:5):6:end,:) = mycolor((4:5):6:end,:)+mycolor((2:3):6:end,:);
%mycolor(5:6:end,:) = mycolor(5:6:end,:)+mycolor(3:6:end,:);

for i=1:size(yy,2)/4
    acolor = mycolor(:,(i-1)*4+(1:4)).*cc;  % Assign the color data here
    h = [h,surface('xdata',xx+x(i),...
            'ydata',yy(:,(i-1)*4+(1:4)), ...
            'zdata',zz(:,(i-1)*4+(1:4)),...
            'cdata',acolor, ...
            'FaceColor',facec,...
            'EdgeColor',edgec,...
            'tag','bar3',...
            'parent',cax)];
end

if length(h)==1
    set(cax,'clim',[1 2]);
end

if ~hold_state, 
  % Set ticks if less than 16 integers
  if all(all(floor(y)==y)) && (size(y,1)<16) 
      set(cax,'ytick',y(:,1));
  end
  
 xTickAmount = sort(unique(x(1,:))); 
 if length(xTickAmount)<2
     set(cax,'xtick',[]);
 elseif length(xTickAmount)<=16
      set(cax,'xtick',xTickAmount);
 end  %otherwise, will use xtickmode auto, which is fine
  
  hold(cax,'off'), view(cax,3), grid(cax,'on')
  set(cax,...
      'NextPlot',next,...
      'ydir','reverse');
  if plottype==0,
    set(cax,'xlim',[1-barwidth/m/2 max(x)+barwidth/m/2])
  else
    set(cax,'xlim',[1-barwidth/2 max(x)+barwidth/2])
  end

  dx = diff(get(cax,'xlim'));
  dy = size(y,1)+1;
  if plottype==2,
    set(cax,'PlotBoxAspectRatio',[dx dy (sqrt(5)-1)/2*dy])
  else
    set(cax,'PlotBoxAspectRatio',[dx dy (sqrt(5)-1)/2*dy])
  end
end

if nargout>0, 
    hh = h; 
end

⛄ 运行结果

【免费】基于matlab绘制三维柱形图_数据

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料

🍅 仿真咨询

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面

卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
、无人机安全通信轨迹在线优化

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 火灾扩散

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、状态估计



举报

相关推荐

0 条评论