如何让3D散点图根据Values数组值调整点的颜色

核心实现思路 #

利用matplotlib的scatter()函数的c参数，将点的颜色与Values数组的绝对值绑定，再通过指定反转的红-蓝渐变配色方案，实现“绝对值越高颜色越红，越低越蓝”的效果。

完整代码示例 #

import numpy as np
from matplotlib import pyplot as plt

# 示例numpy数组数据
X = np.array([20,30,50,60])
Y = np.array([25,35,55,65])
Z = np.array([5,6,7,8])
Values = np.array([-8,5,0.8,-1.2])

# 计算Values的绝对值，作为颜色映射的依据
abs_values = np.abs(Values)

fig = plt.figure(figsize=(30, 30))
ax = fig.add_subplot(projection='3d')
# 绑定颜色数据与配色方案，s参数可选，用于调整点的大小
scatter = ax.scatter(X, Y, Z, c=abs_values, cmap='RdBu_r', s=100)

# 添加颜色条，标注颜色对应的数值含义
plt.colorbar(scatter, ax=ax, label='Values的绝对值')

plt.show()

关键参数说明 #

• c=abs_values：将每个点的颜色与Values的绝对值关联，数值越大，颜色越偏向配色方案的红色端。
• cmap='RdBu_r'：选择反转的红-蓝渐变配色（默认RdBu是蓝→红渐变，加_r后缀反转后变为红→蓝），完美匹配需求。如果偏好其他渐变风格，可替换为'coolwarm_r'等类似配色。
• plt.colorbar()：添加颜色条，让观看者能直观对应颜色与数值的关系，提升图表可读性。

内容的提问来源于stack exchange，提问作者A.k.