Python与Matplotlib：实现3D空间沿Z轴堆叠的热力图与2D热力图显示效果一致

问题的核心在于plot_surface和imshow对数据的解析逻辑不同：imshow默认把每个数据点当作色块中心，自动扩展到色块边缘；而plot_surface是通过相邻数据点连接成面，默认会少一行一列的色块。要让3D效果和2D完全匹配，这里有两种实用方案：

方案一：用pcolor3d直接匹配imshow效果 #

pcolor3d是matplotlib专门为离散3D色块设计的函数，行为和2D的imshow完全一致，能直接把每个数据点对应成一个独立色块，刻度也会自动落在色块中心，是最省心的解决方案。

修改后的代码如下：

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

# 生成测试数据
X = range(2, 16+1)
Y = range(2, 16+1)
xs, ys = np.meshgrid(X, Y)
zs1 = np.random.rand(15,15)
zs2 = np.random.rand(15,15)

# 2D imshow 热力图
_, (ax1, ax2) = plt.subplots(2,1)
plot = ax1.imshow(np.flip(zs1, 0), cmap=plt.cm.RdYlGn, interpolation='none', extent=[1.5, 16.5, 1.5, 16.5])
plot = ax2.imshow(np.flip(zs2, 0), cmap=plt.cm.RdYlGn, interpolation='none', extent=[1.5, 16.5, 1.5, 16.5])
plt.draw()

# 3D 堆叠热力图（使用pcolor3d）
fig = plt.figure()
ax3d = Axes3D(fig)

# 绘制第一个热力图，固定在z=0平面
norm1 = plt.Normalize(zs1.min(), zs1.max())
face_colors1 = plt.cm.RdYlGn(norm1(zs1))
ax3d.pcolor3d(xs, ys, np.zeros_like(zs1), facecolors=face_colors1, edgecolors='none')

# 绘制第二个热力图，固定在z=1000平面
norm2 = plt.Normalize(zs2.min(), zs2.max())
face_colors2 = plt.cm.RdYlGn(norm2(zs2))
ax3d.pcolor3d(xs, ys, np.full_like(zs2, 1000), facecolors=face_colors2, edgecolors='none')

# 设置坐标轴刻度，和2D图对齐
ax3d.set_xticks(X)
ax3d.set_yticks(Y)
ax3d.set_zlim(-500, 1500)  # 调整z轴范围让两个热力图分开显示

plt.show()

方案二：调整plot_surface的网格坐标 #

如果你坚持使用plot_surface，需要手动扩展网格到色块边缘，并调整数据维度来模拟离散色块：

1. 生成色块边缘坐标：原中心坐标是2-16，每个色块宽度为1，所以边缘坐标范围是1.5到16.5，共16个点（对应15个色块）。
2. 扩展z数据的维度，让每个边缘点都有对应的高度值（这里用pad函数重复最后一行/列的数值）。

修改后的代码如下：

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

# 生成测试数据
X_center = np.arange(2, 17)
Y_center = np.arange(2, 17)
zs1 = np.random.rand(15,15)
zs2 = np.random.rand(15,15)

# 生成色块边缘的坐标轴
X_edge = np.arange(1.5, 17)  # 1.5到16.5，共16个点
Y_edge = np.arange(1.5, 17)
xs_edge, ys_edge = np.meshgrid(X_edge, Y_edge)

# 扩展z数据到边缘维度（16x16），用边缘值填充新增的行/列
zs1_extended = np.pad(zs1, ((0,1),(0,1)), mode='edge')
zs2_extended = np.pad(zs2, ((0,1),(0,1)), mode='edge')

# 2D imshow 热力图
_, (ax1, ax2) = plt.subplots(2,1)
plot = ax1.imshow(np.flip(zs1, 0), cmap=plt.cm.RdYlGn, interpolation='none', extent=[1.5, 16.5, 1.5, 16.5])
plot = ax2.imshow(np.flip(zs2, 0), cmap=plt.cm.RdYlGn, interpolation='none', extent=[1.5, 16.5, 1.5, 16.5])
plt.draw()

# 3D 堆叠热力图（调整后的plot_surface）
fig = plt.figure()
ax3d = Axes3D(fig)
plot = ax3d.plot_surface(xs_edge, ys_edge, zs1_extended, rstride=1, cstride=1, antialiased=False, linewidth=0, cmap=plt.cm.RdYlGn)
plot = ax3d.plot_surface(xs_edge, ys_edge, zs2_extended + 1000, rstride=1, cstride=1, antialiased=False, linewidth=0, cmap=plt.cm.RdYlGn)

# 设置刻度到色块中心
ax3d.set_xticks(X_center)
ax3d.set_yticks(Y_center)

plt.show()

关键说明 #

• pcolor3d方案更简洁，完全贴合离散数据的展示需求，优先推荐使用。
• plot_surface本质是绘制连续曲面，需要手动扩展数据来模拟离散色块，适合必须使用曲面绘制的场景。
• 两种方案都需要将xticks和yticks设置为原中心坐标（2-16），确保刻度落在每个色块的中间位置。

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