如何用Python/Matplotlib绘制二维NumPy矩阵的3D散点图？

我有一个二维NumPy矩阵，想要用Matplotlib将其绘制成3D散点图。希望为X0到Xend间的每个X、Y0到Yend间的每个Y，绘制一个Z值等于matrix[X,Y]的点。
我本可以手动展开矩阵，生成X值数组、Y值数组和一维Z值数组，但这既繁琐又低效。

尝试的代码：

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

#plt.matshow(bias_array)
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(range(X0,Xend), range(Y0,Yend), bias_array[X0:Xend,Y0:Yend], marker='o')

运行后报错：

shape mismatch: objects cannot be broadcast to a single shape. Mismatch is between arg 0 with shape (5,) and arg 2 with shape (25,).

（注：示例中X和Y的范围均为5）

问题原因：Matplotlib无法自动匹配矩阵中每个数据点的X、Y坐标，range生成的一维数组和展平后的Z数组长度不匹配。

解决方案 #

核心是生成和Z元素数量完全对应的X、Y坐标集合，用NumPy的meshgrid可以高效完成，无需手动展开：

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

# 替换成你的X0、Xend、Y0、Yend和bias_array
X = np.arange(X0, Xend)
Y = np.arange(Y0, Yend)
# 生成二维坐标网格，对应矩阵每个位置的(X,Y)
X_grid, Y_grid = np.meshgrid(X, Y)
# 把网格和Z矩阵都展平为一维数组
X_flat = X_grid.flatten()
Y_flat = Y_grid.flatten()
Z_flat = bias_array[X0:Xend, Y0:Yend].flatten()

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(X_flat, Y_flat, Z_flat, marker='o')

plt.show()

关键说明 #

• np.meshgrid(X,Y)：将一维的X、Y数组转换成二维网格，得到的X_grid和Y_grid形状和你的子矩阵一致（示例中是5x5），每个位置对应矩阵里的一个坐标点
• .flatten()：把二维数组转成一维，这样三个数组长度都是25，完全匹配scatter要求的每组(X,Y,Z)对应一个点的格式
• 全程用NumPy的向量操作，比手动循环高效得多

内容的提问来源于stack exchange，提问作者compilebunny