如何在Matplotlib中将4×4矩阵绘制成完整3D imshow风格图？

问题根源 #

plot_surface 本质是绘制连续曲面，它通过连接相邻数据点生成面网格，因此4×4的点集只会输出3×3的面，这是函数的固有逻辑，并非错误。

方法1：用pcolor3d实现“3D imshow”效果 #

pcolor3d 是最接近你需求的工具，它会为z数组的每个值绘制一个离散彩色单元格，完全匹配4×4的网格规模。需要生成比z多一行一列的网格边界（每个单元格由4个边界点定义）：

import numpy as np
import matplotlib.pyplot as plt

# 创建4×4的z数组
z = -0.5 * np.arange(4)[:, None] + 0.5 * np.arange(4)
# 生成5×5的网格边界，对应4×4的单元格
x_edges = np.arange(0, 5)
y_edges = np.arange(0, 5)
x_grid, y_grid = np.meshgrid(x_edges, y_edges)

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制带边框的离散单元格
ax.pcolor3d(x_grid, y_grid, z, cmap='plasma', edgecolor='black', shade=False)
# 可选：为每个单元格标注z值
for i in range(4):
    for j in range(4):
        ax.text(i+0.5, j+0.5, z[i,j], f'{z[i,j]:.1f}', ha='center', va='center')

ax.set_aspect('equal', adjustable='box')
plt.show()

方法2：保留曲面风格并显示所有数据点 #

如果坚持使用plot_surface，可以叠加散点图显示所有4×4的离散数据点，弥补曲面仅显示3×3面的不足：

import numpy as np
import matplotlib.pyplot as plt

x, y = np.meshgrid(range(0, 4), range(0, 4))
z = -0.5 * x + 0.5 * y

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制曲面基础
ax.plot_surface(x, y, z, cstride=1, rstride=1, shade=False, cmap='plasma', alpha=0.7)
# 叠加显示所有4×4数据点
ax.scatter3D(x.flatten(), y.flatten(), z.flatten(), color='black', s=20)

ax.set_aspect('equal', adjustable='box')
plt.show()

方法3：用voxels生成3D方块效果 #

若需要更具立体感的方块可视化，voxels可以生成对应每个z值的立体块：

import numpy as np
import matplotlib.pyplot as plt

z = -0.5 * np.arange(4)[:, None] + 0.5 * np.arange(4)
# 构建体素空间
x, y, z_vox = np.meshgrid(np.arange(4), np.arange(4), np.arange(int(z.max()) + 2))
# 定义需要显示的体素区域
voxels = z_vox <= z[:, :, np.newaxis]

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.voxels(voxels, facecolors=plt.cm.plasma(z/z.max()), edgecolor='black')

ax.set_aspect('equal', adjustable='box')
plt.show()

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