1. 代碼

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
 
#構造需要顯示的值
X=np.arange(0, 5, step=1)#X軸的坐標
Y=np.arange(0, 9, step=1)#Y軸的坐標
#設置每一個（X，Y）坐標所對應的Z軸的值，在這邊Z（X，Y）=X+Y
Z=np.zeros(shape=(5, 9))
for i in range(5):
  for j in range(9):
    Z[i, j]=i+j
 
xx, yy=np.meshgrid(X, Y)#網格化坐標
X, Y=xx.ravel(), yy.ravel()#矩陣扁平化
bottom=np.zeros_like(X)#設置柱狀圖的底端位值
Z=Z.ravel()#扁平化矩陣
 
width=height=1#每一個柱子的長和寬
 
#繪圖設置
fig=plt.figure()
ax=fig.gca(projection='3d')#三維坐標軸
ax.bar3d(X, Y, bottom, width, height, Z, shade=True)#
#坐標軸設置
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z(value)')
plt.show()

2. 結果

3. 代碼解讀：

（1）構造需要顯示的數據

如下圖所示，X坐標取值為[0,1,2,3,4]，Y坐標取值為[0,1,2,3,4,5,6,7,8]，每一個(X,Y)組合的值Z=X+Y，所需要繪制的圖就是在X，Y所對應的坐標位置上面根據Z的值來繪制柱形圖。

（2）坐標設置

將坐標網格化, X=[0,1,2,3,4]，Y=[0,1,2,3,4,5,6,7,8]網格化的結果，如下圖所示。可以理解為，X參照Y進行了廣播（broadcast）, Y參照X進行了廣播，分別添加了一個新的維度，并且進行復制。結合xx和yy就得到了所有的X，Y的坐標組合，經過扁平化之后這種對應關系保持不變。代碼中的bottom是用來設置繪制每一個柱子的Z坐標的，在此全部都設置為0，而width和height設置每一個柱子的長和寬。

（3）bar3d

ax.bar3d(X, Y, bottom, width, height, Z, shade=True)：
X，Y：柱子在XY平面的起始坐標
bottom:柱子在Z軸上的起始坐標
width、height:柱子的長寬
Z：數字沿Z軸的長度
shade:是否顯示陰影（設置為True立體效果會更好）

shde=True

shade=False

如果需要繪制多個子圖，并且里面每一個子圖都是3D的，只需要將上述代碼進行些許修改即可，案例如下：

fig=plt.figure()
  ax=fig.add_subplot(1, 3, 1, projection='3d')
  ax.bar3d(x, y, z, width, height, top, shade=True)

  ax=fig.add_subplot(1, 3, 2, projection='3d')
  ax.bar3d(x, y, z, width, height, top2, shade=True)

  ax=fig.add_subplot(1, 3, 3, projection='3d')
  ax.bar3d(x, y, z, width, height, top3, shade=True)

  plt.show()