如何在Matplotlib/Python中绘制与示例一致的3D网格块？

针对你需要的每个网格节点对应大小、颜色可变的高不透明度3D块效果，以下两种优化方案可以解决基础scatter和voxel的不足：

一、优化版Scatter3D实现 #

基础scatter效果差的核心原因是标记形状和大小控制不到位，调整参数后可以贴近需求：

• 使用立方体标记（marker='s'）替代默认圆点，更接近示例的块形态
• 将s参数绑定到数值，通过缩放因子实现大小随数值变化
• 设置高透明度（alpha=0.8~0.9），保证块的厚重感
• 用cmap映射数值到颜色，配合c参数绑定节点数值

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成网格数据（示例）
x, y, z = np.meshgrid(np.arange(5), np.arange(5), np.arange(5))
values = np.random.rand(5,5,5) * 100  # 对应每个节点的数值

# 扁平化数据适配scatter输入
x_flat = x.flatten()
y_flat = y.flatten()
z_flat = z.flatten()
vals_flat = values.flatten()

fig = plt.figure()
ax = fig.add_subplot(projection='3d')

# 绘制3D散点图
scatter = ax.scatter3D(x_flat, y_flat, z_flat,
                       s=vals_flat * 5,  # 缩放因子根据需求调整
                       c=vals_flat,
                       cmap='viridis',
                       marker='s',
                       alpha=0.85)

# 添加颜色条展示数值对应关系
plt.colorbar(scatter)
plt.show()

二、Poly3DCollection绘制自定义立方体块（更贴近示例效果） #

如果需要完全规整的立方体块，用Poly3DCollection手动生成每个块的几何体，能精准控制大小和位置：

1. 定义生成单个立方体顶点的函数，输入中心坐标和边长
2. 遍历每个网格节点，根据数值计算块的边长
3. 从colormap中获取对应数值的颜色，生成立方体并添加到画布

示例代码：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d.art3d import Poly3DCollection
import numpy as np

# 生成单个立方体的面顶点函数
def make_cube(center, side_length):
    x0, y0, z0 = center
    half = side_length / 2
    # 立方体8个顶点坐标
    vertices = [
        [x0-half, y0-half, z0-half],
        [x0+half, y0-half, z0-half],
        [x0+half, y0+half, z0-half],
        [x0-half, y0+half, z0-half],
        [x0-half, y0-half, z0+half],
        [x0+half, y0-half, z0+half],
        [x0+half, y0+half, z0+half],
        [x0-half, y0+half, z0+half]
    ]
    # 定义立方体的6个面
    faces = [
        [vertices[0], vertices[1], vertices[2], vertices[3]],
        [vertices[4], vertices[5], vertices[6], vertices[7]],
        [vertices[0], vertices[1], vertices[5], vertices[4]],
        [vertices[2], vertices[3], vertices[7], vertices[6]],
        [vertices[0], vertices[3], vertices[7], vertices[4]],
        [vertices[1], vertices[2], vertices[6], vertices[5]]
    ]
    return faces

# 生成网格数据
x, y, z = np.meshgrid(np.arange(5), np.arange(5), np.arange(5))
values = np.random.rand(5,5,5) * 0.8 + 0.2  # 控制边长范围在0.2~1.0之间

fig = plt.figure()
ax = fig.add_subplot(projection='3d')

# 遍历每个节点绘制立方体
cmap = plt.get_cmap('viridis')
norm = plt.Normalize(values.min(), values.max())

for i in range(x.shape[0]):
    for j in range(x.shape[1]):
        for k in range(x.shape[2]):
            center = (x[i,j,k], y[i,j,k], z[i,j,k])
            side = values[i,j,k]
            faces = make_cube(center, side)
            # 获取当前数值对应的颜色
            color = cmap(norm(values[i,j,k]))
            # 添加立方体到画布，设置高透明度
            cube = Poly3DCollection(faces, facecolors=color, alpha=0.9, edgecolors='white')
            ax.add_collection3d(cube)

# 设置坐标轴范围适配网格
ax.set_xlim(-0.5, 4.5)
ax.set_ylim(-0.5, 4.5)
ax.set_zlim(-0.5, 4.5)
plt.show()

这种方法生成的块是标准立方体，大小和颜色精准对应数值，透明度可调，和你需要的示例效果匹配度更高。

内容的提问来源于stack exchange，提问作者KooH